官方的 Python/C API 是针对 CPython 的实现的：公开了许多内部细节，使得 API 实现难度较大；而且，如果要为 PyPy、GraalPython、Jython、IronPython 等替代实现开发 API，更是各类问题多多。最近发现了一个性能更好的开源 Python 扩展，HPy。简单试用后，感觉值得推荐。
HPy 介绍
HPy 提供了一个新的 API，以用 C 扩展 Python，有零开销、更快速、方便调试、通用的二进制文件（不用任何修改，可在 CPython、PyPy、GraalPython 等解释器上直接加载），以及更加符合时代标准等优点。换句话说，如果您做过 C 中嵌入 Python 的开发，必定熟悉这行代码：
代码语言：javascript复制#include <Python.h>现在，如果你使用 HPy，则可以替换为：
代码语言：javascript复制
#include <hpy.h>
HPy 优点
但是，虽然直接介绍了代码，但为什么要用 HPy？作为一个 2019 年才诞生的项目，HPy 设计挺优秀，官方言其具有如下优点：
- CPython 之上的零开销：用 HPy 编写的扩展相比于官方 CPython，未有任何额外开销。
- 在 PyPy、GraalPython（目前比较热火的 Python3 实现，性能提升极大，但对 C 扩展） 等 CPython 替代实现上，运行更快。
- 更友好的调试模式：HPy 调试模式可以自动检测诸多错误。在 HPy 的调试模式下，您可以很容易地识别常见问题，如内存泄漏、对象的无效生存期、API 的无效使用等。
- 通用的二进制文件：为 HPy 通用 ABI 构建的扩展，可以在 CPython、PyPy、GraalPython 之上不用任何修改，直接加载运行。
- 更好的 API：标准的 Python/C API 具有其产生时代的特性限制，而 HPy 的设计可以克服一些限制。让扩展 API 更加一致，更易写易读，并且可使 bug 更易于暴露。
HPy 类库
目前，已经有 ultrajson-hpy（ultrajson 是 Python 生态中极速的 JSON 编解码器）、piconump（类似于 ndarray），以及 numpy-hpy（大名鼎鼎的 numpy）等模块可与 HPy 兼容试用。可以看到，还处于开发初期，但科学计算、数据解析已经可以尝试了。
HPy 示例
概念和优点，都是官方的说法，我们实际代码操练一下，看看试用体验，以及 HPy 是否具有优势。示例很简单，即实现一个 add 运算的扩展。
首先，我们用标准 Python/C 扩展方式实现
命名文件为 hello_old.c：
#include <Python.h>
static PyObject* add(PyObject* self, PyObject* args) {
long a, b;
if (!PyArg_ParseTuple(args, "ll", &a, &b))
return NULL;
return PyLong_FromLong(a b);
}
static PyMethodDef HelloMethods[] = {
{"add", (PyCFunction)add, METH_VARARGS, "两个整数相加"},
{NULL, NULL, 0, NULL}
};
static struct PyModuleDef moduledef = {
PyModuleDef_HEAD_INIT,
"hello_old",
"使用标准 Python/C API",
-1,
HelloMethods,
};
PyMODINIT_FUNC
PyInit_hello_old(void) {
return PyModule_Create(&moduledef);
}
我们通过 setup.py 编译扩展文件：
from setuptools import setup, Extension
setup(
name="hello",
ext_modules = [
Extension('hello_old', ['hello_old.c']),
],
)
最后，我们运行 setup.py 并使用此扩展实现：
$ python setup.py build_ext --inplace
...
$ python
>>> import hello_old
>>> hello_old.add(10, 20)
30
然后，我们用 HPy 方式实现
命名文件为 hello_new.c：
#include <hpy.h>
HPyDef_METH(add, "add", add_impl, HPyFunc_VARARGS,
.doc = "两个整数相加");
static HPy add_impl(HPyContext ctx, HPy self, HPy *args, HPy_ssize_t nargs) {
long a, b;
if (!HPyArg_Parse(ctx, NULL, args, nargs, "ll", &a, &b))
return HPy_NULL;
return HPyLong_FromLong(ctx, a b);
}
static HPyDef *hello_defines[] = {
&add,
NULL
};
static HPyModuleDef moduledef = {
HPyModuleDef_HEAD_INIT,
.m_name = "hello_new",
.m_doc = "使用 HPy API",
.m_size = -1,
.defines = hello_defines,
};
HPy_MODINIT(hello_new)
static HPy init_hello_new_impl(HPyContext ctx) {
return HPyModule_Create(ctx, &moduledef);
}
同样，我们需要通过 setup.py 编译扩展文件。我们在 setup.py 加入 hpy_ext_modules 定义项，一次将两种方式实现的扩展全部编译：
from setuptools import setup, Extension
setup(
name="hello",
ext_modules = [
Extension('hello_old', ['hello_old.c']),
],
hpy_ext_modules = [
Extension('hello_new', ['hello_new.c']),
],
setup_requires=['hpy.devel'],
)
HPy 扩展实现方式的编译，需要将参数 --hpy-abi=universal 传递给 setup.py：
$ python setup.py --hpy-abi=universal build_ext --inplace
$ ls -1 *.so
hello_new.hpy.so
hello_old.cpython-38-x86_64-linux-gnu.so
我们可以看到，是兼容 32位和 64 位处理器的。好，我们看看能不能跑的通：
代码语言：javascript复制
$ python
>>> import hello_old, hello_new
>>> hello_old.add(10, 20)
30
>>> hello_new.add(30, 40)
70
>>> hello_new
<module 'hello_new' from '/.../hello-hpy/hello_new.py'>
>>> hello_new.__file__
'/.../hello-hpy/hello_new.hpy.so'
简单试用就是以上所述，总体说来体验还行。但是上面提到，HPy 还处于开发初期，建议使用 github 仓库版本。
本次体验到此结束，以后在使用过程中，如果有新的推荐点，笔者再分享。
谢谢您的阅读！
