译者注：

如果对Pyston还不了解，可以阅读由Pyston的Leader——Kevin Modzelewski写的Dropbox Pyston介绍，中文版在此。以及我对Pyston的一点粗浅评价。同时也可以阅读英文的FAQ。

我们非常激动向大家发布 Pyston 0.4，这是这款高性能 Python JIT 的最新版。该版本中含有众多改进，最重要的是，Pyston已经能够渲染Dropbox的页面，且在我们的性能测试中比 CPython 的快 25%。同时我们也非常激动的向大家展示 Pyston 的 logo。

过去八个月来，Pyston从0.3升级到0.4，这期间含有2000多个commit，是0.2到0.3的三倍。虽然这次从0.3到0.4用了八个月，但今后将每四个月发布一次，

兼容性提升

0.4中实现了许多Python特性，虽然任何一个特性并不值得大书特书，但加起来就相当可观了。这些特性包括：

• 支持Unicode类型
• 多重继承
• 支持weakref和finalizers（__del__），包括正确的析构顺序。
• with语句
• exec s in {}
• 改变已有函数的参数的值和个数。设置func_code、func_defaults、func_globals。
• 引入了hooks
• Set解析（类似列表解析）
• 改进了C API
• 支持更多的标准命令行参数
• 在REPL（即交互式命令行中）支持多行语句，0.3中只支持单行语句。
• Traceback和frame对象，locals()

总之，这意味着Pyston几乎支持所有Python语义。另外，Pyston还实现了许多用法，这些用法一般不认为是Python的特性，但一些常见的第三方库中会用到。如支持内置函数中所有的参数组合（如将None传递给map），或一些技巧性的用法，如修改sys.module来改变一条导入语句的结果。

这些新特性意味着Pyston能支持许多常见的库。现在Pyston已经能运行许多常见库的测试套件，如Django和Sqlalchemy，今后会支持更多库。Pyston现在还将CPython的测试套件纳入考察范围，目前已将153个CPython测试文件（CPython共有401个）添加到Pyston的测试套件中。

Pyston还初步支持了NumPy。目前，NumPy支持对Pyston的优先级并不高（Pyston最初的目标并不会用到NumPy），但我们依然花了一点时间来让一些简单的NumPy示例可以运行。

最重要的是，现在Pyston可以运行Dropbox的主服务器，并可以渲染其中的许多页面。虽然还有许多工作需要完善（如让测试套件运行、添加性能测试，这样才能量化性能提升并进行比较），但我们已经获得了可喜的成果。

C API

Pyston 0.4改进了C API的支持，这对运行Dropbox服务器帮助很大。CPython拥有C API，用来编写扩展模块。在Pyston 0.2时添加了基本的C API兼容层，将Pyston的API转换成CPython的C API。现在这个C API的兼容性已经得到大幅改进，不仅能支持C扩展，还能运行CPython的内部代码。这意味着如果需要支持新的API函数，可以直接使用CPython的实现，而不用在Pyston的API上实现了。

由于Pyston中使用了越来越多的CPython代码实现了许多API。所以现在Pyston的C API已经不单单是个兼容层。CPython现在就是Pyston运行时的基础，而不是Pyston试图兼容的目标。这对运行Dropbox的服务器也很重要，因为现在能直接使用CPython中含有很多技巧的实现。如Unicode处理。如果全部自己从头实现Python运行时的话，那么时间都花在造轮子上面，现在也就达不到运行Dropbox的地步了。

性能提升

同样，Pyston 0.4也包含许多性能上的改进，包括：

• 添加自定义的C++ exception unwinder。根据Pyston特的特殊情况进行定制，让C++异常效率提升两倍。
• 如果认为某个异常较为常见，则使用较快的基于返回代码的（return-code-based）异常，如特殊的返回代码，或运行时分析。
• 添加baseline jit层，位于解释器层和LLVM JIT层之间。这一层能让代码的执行速度接近LLVM层，但降低Pyston的启动延迟。
• 新的磁盘缓存技术，消除LLVM层中非初始运行的开销。
• 诸多Tracing改进，能生成更好的代码，并支持更多的情形。
• 新的C API调用约定，大幅提升C API的调用速度。
• 将部分内建模块转成共享模块，提升启动速度。
• 添加PGO构建，并在普通构建中使用其函数顺序。

这里面没有列出对LLVM层的优化。Pyston的LLVM层在微基准测试中表现很好，但在“实际代码”中，即使知道所有对象的类型，表现也不好。这是因为了解对象的类型仅仅是动态性的第一步，即只能知道应该调用哪个函数，但这个函数本身经常含有动态调用。例如，如果调用len()函数，可以消除动态分配并直接调用len()的实现。但这个实现会在内部动态调用arg.len()。而len()是非常常见的，可以在LLVM层中特殊处理，这种多层次动态性非常常见，现在不断以来Pyston中的mini tracing JIT来同时处理所有层。这让能对每个单独个字节码获得很好的结果，但缺点是无法很好的在字节码之间进行优化。我们的目标是集成基于单个字节码的tracing JIT和LLVM的method JIT，以此来获得最好的结果。

基准测试

Pyston更新了基准测试淘金，使用了三个真实的库，分别为pyxl、django、sqlalchemy。基准的选择是一个有争议的话题。但这三个是Python Web服务器中非常典型的。

在这个基准测试中，Pyston比CPython快25%，但比PyPy 4.0.0慢25%。这里有完整的性能跟踪页面，其中含有最新的基础测试结果（说明：后一个链接会随着时间自动更新，且由于配置不同，性能提升的量也会与25%有出入）。

社区

还有若干令人兴奋的消息，虽然这些与Pyston的代码没有直接联系：

• 从Makefile构建系统迁移到基于CMake的构建系统中。这样可以更好的配置、更快的构建（通过ninja）、并降低未来支持其他平台的难度。这由开源贡献者Daniel Agar完成，非常感谢你！
• 添加了更多的文档。Pyston维基页面中含有对Pyston内部工作机制的介绍，以及对新贡献者的一些帮助信息。
• Pyston有了Logo！
• 11个开源贡献者贡献了184个commits。特别感谢孙波翔（译注，也就是我了……），他对Pyston兼容性方面作出很大帮助。

总结

在GitHub上有预编译的二进制Pyston可供下载（不过请阅读使用说明）。Pyston仍然在开发阶段，所以会有崩溃或性能上的问题。如果读者遇到了这些问题，可以在外面的Gitter channel上报告，或发起一个Github issue。我们期待您的反馈！

如果你在湾区，我们在11月10号晚上6点半，在Dropbox旧金山办公地点会有一个研讨会。现在剩余空位不多，如果感兴趣的话可以在这里申请。

Pyston 0.5中同样有许多值得期待的地方。当前的目标是实现最终几个特性（如在推出栈帧退出后进行检查），继续提升性能，以及在Pyston上运行一些Dropbox服务。这是令人兴奋的时刻，同样，我们也期待新的贡献者！如果你有兴趣为Pyston做贡献，可以查看我们的文档，检查开放的issue列表，或仅仅在Gitter中跟我们打个招呼。