为了编写一个事件驱动的模拟器，我依赖 simpy，它大量使用 Python 生成器。我试图了解如何使生成器尽可能快，即最小化状态保存/恢复开销。我尝试了三种选择
并使用 Python 3.4.3 得到以下结果：
class_generator 20.851247710175812
global_generator 12.802394330501556
local_generator 9.067587919533253
代码可以在here找到。
这对我来说是违反直觉的：将所有状态存储在类实例中意味着只有 self 需要保存/恢复，而全局存储所有状态应该确保零保存/恢复开销。
有人知道为什么类生成器和全局生成器比本地生成器慢吗？
【问题讨论】：
标签： python python-3.x generator
当 yield 发生时，生成器实际上保留了实际的 调用帧。无论您有 1 个还是 100 个局部变量，它都不会真正影响性能。
性能差异确实来自 Python（这里我使用的是 CPython，也就是你从 http://www.python.com/ 下载的那个，或者在你的操作系统上作为 /usr/bin/python 的那个，但大多数实现都具有相似的性能特征由于大部分相同的原因）在不同类型的变量查找上表现：
局部变量在 Python 中实际上并没有命名；相反，它们由 数字 引用，并由 LOAD_FAST 操作码访问。
使用LOAD_GLOBAL 操作码访问全局变量。它们总是按名称引用，因此每次访问都需要实际的字典查找。
实例属性访问最慢，因为self.foobar首先需要使用LOAD_FAST来加载对self的引用，然后使用LOAD_ATTR在引用上找到foobar-反对，这是一个字典查找。此外，如果属性在 instance 本身上，这将没问题，但如果在 class 上设置，则属性查找会变慢。您还在实例上设置值，它会更慢，因为现在它需要在加载的实例上执行STORE_ATTR。更复杂的是实例的 class 也需要被查询 - 如果 class 碰巧有一个 property descriptor同名，则可以改变读取和设置属性的行为。
因此最快的生成器是只引用局部变量的生成器。在 Python 代码中，将全局只读变量的值存储到局部变量中以加快速度是 Python 代码中的常见习语。
为了演示差异，请考虑为a、b 和self.c 这三个变量访问生成的代码：
a = 42
class Foo(object):
def __init__(self):
self.c = 42
def foo(self):
b = 42
yield a
yield b
yield self.c
print(list(Foo().foo())) # prints [42, 42, 42]
foo方法的反汇编相关部分是：
8 6 LOAD_GLOBAL 0 (a)
9 YIELD_VALUE
10 POP_TOP
9 11 LOAD_FAST 1 (b)
14 YIELD_VALUE
15 POP_TOP
10 16 LOAD_FAST 0 (self)
19 LOAD_ATTR 1 (c)
22 YIELD_VALUE
23 POP_TOP
LOAD_GLOBAL 和 LOAD_ATTR 的操作数分别是对名称 a 和 c 的引用；这些数字是表格上的索引。 LOAD_FAST的操作数是局部变量表中局部变量的编号。
【讨论】：
生成器需要保存的唯一状态是对堆栈帧的引用，因此无论涉及多少状态以及将数据放在何处，保存和恢复状态都需要完全相同的时间。
您在时间上看到的差异完全取决于 Python 访问值的速度：局部变量访问非常快，全局变量访问需要在全局字典中查找值，因此速度较慢，而类成员访问需要访问局部变量“self”，然后对该值执行至少一个字典查找（对类生成器的调用也必须转换为具有单个参数的调用，该参数本身比其他调用慢没有参数）。
【讨论】：
__next__ 方法。类生成器是最慢的，因为对实例的属性查找相对复杂（Python 在检查实例是否具有属性之前必须检查类上是否存在数据描述符）。