重点：
- Python解释过程： source code --> byte code --> JVM
- JIT 加速原理： 执行的时候将 一部分byte code 编译成 机器代码，替换原来的代码
- 其他的Python实现： Cpython, JPython, IronPython, PyPy, Stackless…
- Frozen Binaries
Chap1: A Python Q&A Session
1.1 Downside
运行速度
简而言之，标准的python实现，是将源代码 编译成中间语言，叫做
byte code, 然后再解释执行
为了提高python的运行速度的问题，可以将逻辑部分使用python编写，而在需要性能的部分使用 C/C++编写，然后再粘合，比如 著名的 numpy
1.2 Python能做什么
- 系统编程
- GUI:
- tkinter
- PMW( 基于tkinter)
- wxPython（基于C++库）
- Dabo（基于tkinter,wxPython等)
- Qt的工具
- Internet Scripting
- Component Integration
- Database Programming
- pickle, PyMongo, SQLObject, SQLAlchemy
- Rapid Prototyping
- Numeric and Scientific Programming
。。。
1.3 How Is Python Developed and Supported?
Python开发者在网上通过源代码控制系统协调工作，每一次的变化都以一种正式协议的方式，其中包括写 PEP（Python Enhancement Proposal） 或者其他文件。
1.4 Python的长处
- 面向对象，面向过程，函数式编程
- 函数式编程特色： generators, comprehensions, closures, maps, decorators, anonymous function lambdas, and first-class function objects
- 免费
- 可移植
- 强大
- 和其他语言混合
- 易学易用
Chap2: How Python Runs Programs
2.1 Python 解释器
Python不仅是一门语言，也是一个编译器的名称。编译器是一个软件，用来执行其他的程序。当你写了一个Python程序时，python解释器能够阅读你的程序，并且执行这些命令。
当安装Python解释器的时候，它最少也包括了一个解释器程序和一些支持性library。
2.2 程序执行
2.2.1 从程序员角度
python程序只是文本文件。 python文件以.py结尾，但是从技术上来说，只有当文件被import的时候，才必须要求文件以.py结尾 。程序由解释器一行一行执行。
2.2.2 从Python的角度
当让Python去运行脚本的时候，python要先执行一些步骤，才能够真正的运行你的代码。具体来说，先将代码编译成一些叫做byte code的东西，然后将它交给virtual machine
a. Byte code compilation
Python内部在执行程序的时候，先将源代码编译成一种byte code的格式，byte code是一种底层的，和平台无关的源代码表示。一条python语句，会被转换成多条的byte code指令。 这种转换是为了提升执行速度——Byte code的运行比文本文件运行速度快很多。
如果python进程拥有机器上写的权限，那么它会把byte code安装在 .pyc结尾的中。
在Python3.2版本以前，运行了几次程序后，我们将能在源文件的同一个目录下，看到这些编译后的文件； 而在3.2开始之后的版本，Python把会把这些.pyc byte code放置在源文件目录下的__pycache__文件夹下，并且根据创建它们的python版本来命名他们，比如：script.cpython-33.pyc
检查是否需要重新编译：
无论在何种model(将在Chap21中细讲），下一次执行程序的时候，python会加载这些.pyc并且跳过编译过程，只要源文件没有在上一次编译后进行过更改，并且没有使用和上一次编译 不同的python版本运行过代码。 具体步骤如下：
- 源代码改变： Python会自动检查源文件的上一次修改时间，去和
byte code内容作比较，来判断是否需要重新编译 - Python版本变更：python也会根据
byte code中的python版本信息，来决定这次是否需要重新编译
Python如果没有写权限
程序仍然会正确运行，但是这些byte code会在产生之后，被读入内存中，然后在程序结束之后就被删除。
因为.pyc文件能加速启动时间，所以在大项目中，最好确保python有写权限。
Byte code能够独立于源代码， 如果没有源文件，只有.pyc文件，那么程序也能执行。
byte code只在被引入时产生
只有被import的文件，才会将对应的byte code保存到文件中，最顶级的脚本程序入口文件不会被保存到文件，只会在内存中使用。
b.The Python Virtual Machine (PVM)
当程序被编译之后，byte code就会交付给 Python Virtual Machine来运行。
graph LR
A[源文件] --编译--> B[Byte code]
B --交给--> C[Python虚拟机]
PVM本身并不是一个别的程序，它不需要单独安装。PVM本身就是一个大的代码循环，遍历你的代码，一条条执行代码的操作，它是 Python运行的引擎。它是在Python系统中，真正执行脚本的组件。技术上来说，它是所谓Python Interpreter的最后一步。
c. Performance implications
Python代码不像完全编译的语言一样，直接编译成机器码，所以它的运行速度自然比机器代码要慢；但它因为有一步编译，所以它的执行速度又比纯解释性语言快。
The net effect is that pure Python code runs at speeds somewhere between those of a traditional compiled language and a traditional interpreted language
d. Development implications
python并不区分 开发环境 和 部署环境，记住Python只有Runtime。
exec,eval等 built-ins， 能够读取字符串，将其当作python代码运行
2.3 Execution Model Variations
上面讲的python执行模式反映的是一种标准的python实现，但并不是一定的。随着时间变化，会有其他的模式出现。
2.3.1 Python实现 的Alternatives
最基本的5种Python语言实现： CPython, Jython, IronPython, Stackless, and PyPy
- CPython: 最标准的实现。
- Jython(JPython): Python的另一种实现，为的是让python和Java结合在一起。 JPython包括一些Java类， 它们能将Python代码编译成 Java字节码，然后给JVM运行。 不如CPython速度快和稳定
- IronPython： 和JPython差不多，是给 .NET用的
- Stackless–Python for concurrency： 重新实现的加强版CPython，为的是Concurrency, 更适合
coroutine,并且自己提供了microthreads,比python自己的 线程和进程更好。 - PyPy–Python for speed: a drop-in replacement for CPython, 为的是让一部分程序运行更快， 提供了
Just-in-Time(JIT)编译器以及更快快速的 Python实现，提供了 sandbox tool来运行不安全代码， 并且提供了之前Stackless的系统。Just-in-Time(JIT)编译器以及更快快速的 Python实现，提供了 sandbox tool来运行不安全代码， 并且提供了之前Stackless的系统。
JIT 是 JVM的一个扩展，它把部分的
byte code直接转换成机器代码，为了提高速度。 它是在程序运行的时候做的转换操作，并没有一个 预编译过程，并且JIT也能够 通过跟踪程序中每个对象的数据类型， 把动态类型的Python创建为 明确类型的机器代码。
2.3.2 Execution Optimization Tools
CPython及其之前提到的其他Python实现，在实现的时候都差不多： 将源代码编译成 byte code， 然后再交给合适的 virtual machine执行。
其他系统，比如Cython hybrid, the Shed Skin C++ translator, and the just-in-time compilers in PyPy and Psyco，试着进一步的优化这种 基本运行模式。
- Cython (A Python/C hybrid): is a hybrid language that combines Python code with the ability to call C functions and use C type declarations for variables, parameters, and class attributes. 尝试将python代码编译成C代码。
- Shed Skin (A Python-to-C++ translator): 试着将Python代码转换成C++代码，再由电脑上的C++编译器来编译执行。
- Psyco (The original just-in-time compiler): 运行的时候将
byte code进一步转换成machine code，并且记录了对象的数据类型。运行的时候，Psyco通过记录各种传递对象的类型信息，来产生最优化、最有效率的 机器代码。机器代码产生后，它们就会替换掉原来的那部分byte code来加快执行速度。 这个JIT和Java的JIT不同，它是一种Specializing JIT Compiler, 它根据程序具体使用到的类型，在不同的情况下产生不同的机器代码。
2.3.3 Frozen Binaries
有工具可以把Python程序直接打包成 可执行文件：
- py2exe
- PyInstaller
- py2app
- freeze
- cx_freeze
Frozen binaries 打包就是把Python编译出来的 byte code，PVM,还有其他Python支持文件打包在一起。所以这个可执行文件中已经有了 Python环境，不需要机器本身自带环境了。
2.3.4 Future Possibility
- 也许会有直接把Python代码编译成 机器代码
- 也许会有新的
byte code格式