说明：由于我是开发成员之一，本文原文在起草过程中我也做了修改，所以这里就以半作者半译者的形式发出来了。译文几乎与原文同步发布，如有错别字请指正。

今天我们非常激动的宣布Pyston这款高性能Python JIT发布了0.5版本。过去几个月我们一直都没有什么新消息，这是因为我们在幕后憋新东西，现在是时候放出来了。如果我们选择其他方向去突破，或许能让成果更加耀眼。不过这次憋出来的新东西让Pyston更具有实用性。

Pyston现在使用与CPython相同的引用计数垃圾回收方式了。

引用计数

引用计数是一种自动内存管理的形式。与追踪式垃圾回收器（GC，注：本文中认为引用计数不是GC的一种，所以下面的“垃圾回收”一词并不包括引用计数，请注意）比起来，人们通常认为引用计数比较简单，且速度较慢。之前版本的Pyston都使用了追踪式垃圾回收器，而从0.4到0.5，我们花了很大力气切换到了引用计数的方式。

我们为什么换回引用计数呢？因为CPython（主要的Python实现）使用引用计数。之前我们试图使用垃圾回收（GC）来获取性能提升。但CPython API基于引用计数，使用追踪式垃圾回收实现这些API会带来许多性能问题。而Pyston具有一个非常有挑战性的目标，即Pyston希望支持海量的针对CPython引用计数方式实现的已有代码（如当引用计数减为0后立即回收对象）。在支持CPython的第三方库过程中，会一直遇到很多兼容性的问题，其中有些甚至无法在当前的框架下解决。

为了获得与CPython更好的兼容性，于是我们咬咬牙切换到了引用计数，

大家觉得我们做的怎么样？

NumPy

我们很高兴的宣布Pyston可以无障碍的运行NumPy。

说明：对于最新的NumPy 1.11，Pyston运行其测试套件只有一个错误，而这个错误出自NumPy上游。我们已经提交了一个补丁给NumPy来修复这个问题。对于最新的master库，Pyston运行NumPy测试还有3个错误。为了在Pyston中编译NumPy，需要使用修改过的Cython，同时现在在Pyston中运行NumPy测试套件要比CPython慢一点。

这里我补上NumPy在Pyston中的运行时间吧（CPython在我的机器上大概需要30-40s）：

不管怎样，我们对于这个结果很满意，特别是我们会继续改进兼容性并提升性能。

其他方面

这个版本还包括许多其他改进：

• 信号处理
• Frame introspection of exited frames（这里怎么翻译都不得体，先这样吧）
• Generator cleanup
• 支持更多的C API，如custom tracebacks
• 许多其他小的修复

在支持NumPy的过程中受益良多，如顺带中支持了其他一些库（py.test、lxml、cffi）。同时之前我们对来自CPython的标准库和C扩展做了很多修改，现在这些修改已经改回去了。总之，使用引用计数是个非常大的投资，这个投资让我们更好的兼容CPython，否则我们要花很多时间去兼容CPython。

性能提升

很遗憾，由于性能提升并不是这个版本的目标，所以性能方面还有所下降。0.5版比0.4慢了10%，很大一部分是由于切换到了引用计数上。由于过去6个月我们只是关注在兼容性上，同时我们的引用计数的实现仍然有许多改进空间，所以对于这个结果我们目前可以接受。

从另一方面来说，人们一般会认为引用计数比垃圾回收要慢。但我们认为垃圾回收的实现方式在兼容性方面有所阻碍（注：想想PyPy吧）。

目前Pyston在性能上还有许多可供改进的地方，但在完成引用计数的过程中我们都没有去实现。现在我们有 许多issue，有兴趣的贡献者可以去看看，有些可以改进NumPy的性能。

目前，在Pyston中运行NumPy测试套件的耗时是CPython的两倍多。我们不知道对于实际的NumPy程序，性能会有什么差异，但我们知道性能下降主要由于两方面：一是NumPy执行了一些Pyston中目前没有优化的代码路径；第二点有点微妙：NumPy的执行过程经常从C代码回到Python运行时，Pyston处理这方面很耗时，因为我们的JIT目前无法在此进行优化。Pyston中有方法来处理这种情况，并从C代码中调用JIT，我们计划应用这些方法，让NumPy和其他库能从中受益。

将来

我们为这么长的发布周期再次道歉。我们没有预料到添加引用计数会耗时这么久。我们计划再发布一篇博客来介绍切换到引用计数过程中遇到的难点，以及Pyston引用计数实现的的细节。

在将来，Pyston 0.6会侧重于性能方面。我们乐于从社区得到反馈，来决定那些方面需要优化性能。我们可以改善NumPy测试套件运行时间，不过这些改善或许不会反映到实际的NumPy程序中。

现在我们希望能通过docker让用户更方便的尝试Pyston，或许这无法应付所有情况，但可以让人们更好的尝试Pyston：

也可以阅读我们的 readme 来了解其他获得Pyston的方法。若要尝试NumPy，使用“pyston/pyston-numpy”命令。

我们已经有了若干优化的主意，但我们不希望“这一点点改进”延误0.5的发布。我们可能会发布0.5.1来添加这些性能改进。

结语

引用计数让Pyston在成为CPython完美替代品的道路上又前进了一步。当前仍有许多工作需要做，但我们觉得有了引用计数后，就快达到让用户使用的地步了。但Pyston仍然是在开发中的软件，所以会有许多问题和未优化的情形。但我们希望能得到您的反馈，来了解哪些可以工作，哪些无法工作。

最后，我们想感谢所有对这个版本有帮助的Pyston开源贡献者。特别是 Nexedi 雇员孙波翔，他是我们的核心贡献者，对NumPy的支持帮助很大。

• Boxiang Sun（我）
• Dong-hee Na 韩国人。。。
• Rudi Chen 这是加拿大人，华裔。
• Long Ang 这个是来自leancloud的国人，公司主页：https://leancloud.cn/ 大家可以去了解一下。
• @LoyukiL
• Tony Narlock
• Felipe Volpone
• Daniel Milde
• Krish Monut
• Jacek Wielemborek

对了，介意在下面打赏我一下吗。。。