为什么关闭JIT的PyPy运行速度会比CPython慢？

无JIT的PyPy运行速度明显慢于CPython属于正常现象，核心原因来自三点架构层面的设计取舍：

• 解释器层的额外冗余开销：PyPy从设计之初就是以JIT优化为核心目标的，它的解释器逻辑中嵌入了大量为JIT服务的功能，包括运行时类型跟踪、热点代码标记、JIT插桩点位等。这些逻辑在JIT开启时是生成高效机器码的基础，但关闭JIT后就完全成为纯冗余开销，无法被消除。而CPython的解释器经过了二十多年的迭代优化，纯解释路径的字节码执行逻辑都是打磨到极致的C实现，没有这类额外负担。
• 对象模型的访问开销差异：CPython的所有内置对象（整数、列表、字典等）都是直接用C结构体实现的，属性、值的访问都是直接的内存偏移寻址，执行效率非常高。PyPy的对象模型为了适配JIT的逃逸分析、类型特化等优化，采用了更复杂的隐藏类、标签指针设计，关闭JIT后，对象操作、属性查找的开销会远高于CPython的原生实现。
• 测试场景的特性放大了性能差距：你使用的嵌套循环矩阵乘法属于典型的计算密集型纯循环场景，JIT开启时PyPy可以把整段循环逻辑直接编译成机器码，甚至做循环展开、指令向量化等优化，速度远超CPython逐字节码解释的执行效率。但关闭JIT后，这类高频重复计算的场景会把PyPy解释器的额外开销完全放大，你测试得到的8倍左右的性能差属于无JIT PyPy的正常表现，官方给出的基准测试中，无JIT的PyPy普遍比CPython慢2~10倍。

内容的提问来源于stack exchange，提问作者Progga