使用Numba njit装饰的Python包导入过慢，求优化方案

以下是几种实用的优化方法，针对@numba.njit在导入阶段预编译拖慢速度的问题：

• 启用延迟编译
  默认情况下@numba.njit会在模块导入时就编译函数，给装饰器加上lazy=True参数，就能把编译推迟到函数第一次被调用时执行，直接降低导入阶段的耗时：

  @numba.njit(lazy=True)
  def my_numba_func(x):
      # 函数逻辑
      return x * 3
  

• 开启编译缓存
  给@numba.njit添加cache=True，让Numba把第一次编译后的结果缓存到磁盘，后续导入时直接读取缓存文件，不用重复编译。第一次导入仍然会慢，但之后的导入速度会大幅提升，适合稳定版本的包：

  @numba.njit(cache=True)
  def my_numba_func(x):
      # 函数逻辑
      return x * 3
  

• 提前编译成二进制模块（AOT）
  使用Numba的AOT（提前编译）功能，把包含Numba函数的模块预编译成二进制扩展文件（如.so或.pyd），导入时直接加载编译好的二进制，彻底避免导入阶段的动态编译。示例代码：

  from numba.pycc import CC
  
  # 定义编译后的模块名称
  cc = CC('compiled_utils')
  cc.verbose = True
  
  # 导出函数，指定签名（比如f8表示float64）
  @cc.export('my_numba_func', 'f8(f8)')
  @numba.njit
  def my_numba_func(x):
      return x * 3
  
  if __name__ == '__main__':
      # 执行编译，生成compiled_utils.so
      cc.compile()
  

  编译完成后，在包中直接导入这个二进制模块即可：from compiled_utils import my_numba_func

• 拆分模块+按需导入
  把所有带@numba.njit的函数放到单独的子模块中，主模块不直接导入这些子模块，而是通过函数动态导入。比如：
  主模块my_package/utilities/__init__.py：

  def get_numba_func():
      from .numba_impl import my_numba_func
      return my_numba_func
  

  调用时再触发导入和编译：

  func = get_numba_func()
  result = func(10)
  

• 避免模块级别的Numba函数调用
  如果模块导入时会执行Numba函数（比如初始化全局变量），把这些调用移到函数内部，只在实际需要时执行：
  优化前（导入时就编译执行）：

  @numba.njit
  def init_data():
      return np.zeros(1000)
  
  # 导入阶段执行
  global_data = init_data()
  

  优化后（延迟到调用时执行）：

  @numba.njit
  def init_data():
      return np.zeros(1000)
  
  def get_global_data():
      global global_data
      if 'global_data' not in globals():
          global_data = init_data()
      return global_data
  

内容的提问来源于stack exchange，提问作者Elkan