总结
说到py高性能方式，很多先想到的是：
- pypy或cpy
- 调用c包
今儿说到的是在py基础上用装饰器
@jit方式例子对比
普通函数
from numba import jit
import time
class T:
def t(self):
print("i")
start = time.time()
T().t()
print(time.time() - start)
花时
4.png
用@jit
from numba import jit
import time
class T:
@jit
def t(self):
print("i")
start = time.time()
T().t()
print(time.time() - start)
花时
image.png
对比，效果很明显
还有
- concurrent.futures 的 ThreadPoolExecutor, ProcessPoolExecutor
- fork方式
