对于 codon ，我记得以前 Google 有类似的项目 Grumpy ，尝试将 Python 编译成 Go ，可惜又是一个被放弃了的项目。从使用上来说，感觉有点类似 Numba ，不过将 LLVM 扩展到了整个程序（虽然一个用的是 JIT ，一个用的是 AOT ），但是理论上应该都只能对某些特定语法的加速。另外，这是一个商业开源项目，希望有商业公司的支持下发展能够好一些吧。但目前看来，似乎还没有发展到可以用于生产环境中的程度。

@ClericPy
#2 pyston 最大的问题是 ABI 不兼容，原生扩展需要重新编译，如果只是个玩具项目还行，但如果真用在生产环境中，编译扩展就变得非常麻烦。即使有 conda 提供了一些编译好了的 Pyston 扩展包，还是有很多需要自己处理的。相比之下，衍生出的 pyston-lite 反而更加易用，只需要安装一个额外的扩展就能启用 JIT ，虽然性能提升不如 pyston-full ，大概只有 10%-15%，但相当于白捡的啊。

一直想试试 nuitka ，不过没找到合适的机会。 不过为啥协程反而性能降低了？另外，能不能江一下为啥 reuse_port 在这里有用？ hpy 感觉只是一个针对不同 Python 实现（ CPython ，PyPy ，GraalPython ）的一个通用 API 抽象层，对性能应该没啥英雄吧。

#8 特殊场景优化比较麻烦，但是也比较有意思。我觉得性能优化需要区分优化负载和优化延迟。前者是优化性能使其可以处理更多的工作，更高的并发，等。后者则是优化性能使其更快完成响应。

#12 哪三板斧？

@learningman #14 benchm 跑 Decimal 没意义，Decimal 基本上都是调用_decimal 的 C 扩展，都不算是 Python 代码了。可以换成_pydecimal 试试。

听说 project fi 似乎是可以那啥的，有谁用过吗？

以前有遇到过，好像是搜狗输入法，如果探测到 Process Explorer 或者 Spy++就会自动隐藏，非常狡猾

nogil 那个看一看 https://lukasz.langa.pl/5d044f91-49c1-4170-aed1-62b6763e6ad0/
不过看起来至少 3.11 （也就是说 2022 ）都没戏

lnav

@Nasei 看过这个方法。不知道联想对于专业版是不是有不同的硬件支持，听说选专业版是需要返厂进行设置什么的。另外就是有个客服告诉我自己升级的话可能会让保修失效，不知道是不是他或者我理解有误。

@winterbells 是直接找个专业版安装完就激活了？

借楼问问，如何将家庭版升级成专业版？联想的售后服务或者其他方法可以做到吗？

conda 开始支持 m1 了？

没有用紧凑声明的话就会默认 32 位对齐，出于性能考虑，至少 32 位下是这么的。话说在 64 位中也是 32 位对齐吗？

uint32_t HeaderSize: 4
uint64_t CryptogramSize: 8
uint8_t DevFlag: 1
uint8_t HeaderVer: 1
uint8_t __padding: 1
uint8_t __padding: 1
uint32_t PackagerVer: 4
uint16_t Reserved: 2
uint8_t __padding: 1
uint8_t __padding: 1

4+8+1+1+1+1+4+2+1+1 = 24，好像没啥问题

虽然啥都想买，但是又完全不知道买啥，毕竟荷包和欲望不匹配，我也很绝望啊。。。。。。还是加顿餐吧

@niubee1 对，就是这个道理，内置函数底层执行更快 🤝

@niubee1 同意，你的版本更快，

In [101]: def t1(ls):
...: flat = list(itertools.chain.from_iterable(ls))
...: xs = flat[::3]
...: ys = flat[1::3]
...: zs = flat[2::3]
...: return xs, ys, zs
...:

In [102]: def t2(ls):
...: xs, ys, zs =list(zip(*ls))
...: return list(xs), list(ys), list(zs)

In [113]: ls=[[i, i+1, i+2] for i in range(1, 98, 3)]

In [114]: %timeit t1(ls)
4.26 µs ± 17.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [115]: %timeit t2(ls)
3.2 µs ± 19.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

好吧，#17 我服了

@guoqiao Python 的优化就是有些反常识，3 个循环不一定比 1 个循环慢，具体还是看解释器怎么跑
@dangyuluo 预分配内存在 Python 优化中通常效果不佳，因为通常不是主要因素

如果 ls 足够长的话，比如 ls=[[i, i+1, i+2] for i in range(1, 98, 3)]，那么这个版本可能更快一些，

flat = list(itertools.chain.from_iterable(ls))
xs = flat[::3]
ys = flat[1::3]
zs = flat[2::3]

click 用得比较多

有比网易云槽点更多的音乐客户端吗？不好意思，还真没有~！

很多流行音乐的版权没有就算了，搜出来的还全是翻唱。。。。。。要听翻唱我不知道去 5sing 找么，就不能少点套路，多点真诚么。

我们来打个比喻，最用比喻了，手动滑稽

大米饭和面都能吃，都可以煮着吃，炒着吃（等等， 嵌套吃是什么鬼？），不能因为它们都能吃就觉得没区别啊。这问题问的，你是要从粮食的种植来区分不同，还是从烹饪角度来区分？