局部变量优化，是指将全局变量 / 函数的地址赋值给局部变量，从而减少内存寻址的开销。
我自己的一个观点，大多数应用的瓶颈在于数据库、磁盘 I/O，所以一般不会用这一优化技术。但我今天在项目代码中看到类似的代码，
又问了豆包，豆包说有场景有必要，所以写一个测试验证一下。
局部变量优化的编码结构如下：
1
2
3
4
5
6
7
| def global_func():
# ...
def loop_func():
_global_func = global_func
for _ in range(BIGGER_NUMBER):
# call _global_func
|
局部变量优化的适用场景就非常明显，适用于存在大量循环，需要反复调用的函数中。
测试代码如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
| def global_func():
a, b, c = "局部", "变量", "优化"
return f"{a}{b}{c}"
def loop_func1():
for _ in range(100000000):
global_func()
def loop_func2():
_global_func = global_func
for _ in range(100000000):
_global_func()
if __name__ == "__main__":
import time
start_time = time.time()
loop_func1()
end_time = time.time()
print(f"loop_func1 耗时: {end_time - start_time} 秒")
start_time = time.time()
loop_func2()
end_time = time.time()
print(f"loop_func2 耗时: {end_time - start_time} 秒")
|
输出：
1
2
| loop_func1 耗时: 10.524455308914185 秒
loop_func2 耗时: 10.882614850997925 秒
|
看样子，反而还慢了，改成 10000000000，输出：
1
2
| loop_func1 耗时: 1051.6418409347534 秒
loop_func2 耗时: 1029.1270589828491 秒
|
从上述例子来看，100 亿次的循环调用，省了 20 秒。
我的观点依旧：先按正常思路实现功能，不要太多考虑“局部变量优化”，因为往往其它因素对执行效率的影响更大。
附录
豆包说，当使用 PyPy 而不是 CPython 时，可以完全不用考虑局部变量优化，PyPy 的 JIT 会自动做此类优化。
如果查看解释器实现：
1
2
3
4
| import sys
print(sys.executable) # 解释器路径
print(sys.version) # 版本信息
print(sys.implementation) # 核心判断
|