Python 调用 C 函数的 5 种方式对比与性能优化

该接口文件告诉 SWIG 哪些 C++ 符号需要暴露。接着运行 swig -python example.i，生成包装代码和目标语言模块脚本。

1.5 原生 Python/C 扩展

直接使用 Python C API 编写模块，性能最优但开发复杂度最高。

#include <Python.h>
static PyObject* py_add(PyObject* self, PyObject* args) {
    int a, b;
    if (!PyArg_ParseTuple(args, "ii", &a, &b)) return NULL;
    return PyLong_FromLong(a + b);
}
// ... 注册模块逻辑 ...

2. 核心实现详解与性能对比

2.1 ctypes 接口调用

在 Python 中直接调用 C 语言函数，ctypes 提供了一种无需额外编译步骤的轻量级解决方案。

from ctypes import cdll
libc = cdll.LoadLibrary("libc.so.6")
libc.puts(b"Hello from C!")

参数需转换为 C 兼容类型，如字符串应传入字节对象（b""）。ctypes 支持基础类型的自动转换，如 c_int、c_char_p 等。

2.2 CFFI 实现动态调用

CFFI 的核心优势在于支持直接加载共享库并动态绑定函数。

from cffi import FFI
ffi = FFI()
ffi.cdef("int add(int, int);")
C = ffi.dlopen("./libadd.so")
result = C.add(3, 4)

参数自动完成类型转换，简化了跨语言数据传递过程。

2.3 Cython 封装 C 函数

Cython 通过生成 C 级别的扩展模块，实现 Python 对原生 C 函数的高效调用。

首先定义 C 函数头文件 math_utils.h：

double add(double a, double b);

接着编写 Cython 包装文件 wrapper.pyx：

cdef extern from "math_utils.h":
    double add(double a, double b)
def py_add(double x, double y):
    return add(x, y)

编译过程由 setup.py 驱动，最终 Python 脚本可直接 import py_add。

2.4 原生 Python/C API 扩展

使用原生 Python/C API 是实现高性能扩展的终极手段，直接操作解释器对象结构。

#include <Python.h>
static PyObject* py_add(PyObject* self, PyObject* args) {
    int a, b;
    if (!PyArg_ParseTuple(args, "ii", &a, &b)) return NULL;
    return PyLong_FromLong(a + b);
}
static PyMethodDef methods[] = {
    {"add", py_add, METH_VARARGS, "Add two integers"},
    {NULL}
};
static struct PyModuleDef module = {
    PyModuleDef_HEAD_INIT, "fastmath", NULL, -1, methods
};
PyMODINIT_FUNC PyInit_fastmath(void) {
    return PyModule_Create(&module);
}

3. 性能优化与实战技巧

3.1 减少 GIL 竞争

全局解释器锁（GIL）限制了多线程程序的并行执行能力。为减少 GIL 竞争，应优先使用 I/O 密集型任务的多线程模型。

import threading
import time

def io_task(duration):
    time.sleep(duration) # 模拟 I/O 阻塞，GIL 在此期间被释放
    print(f"Thread {threading.get_ident()} completed")

threads = [threading.Thread(target=io_task, args=(1,)) for _ in range(5)]
for t in threads:
    t.start()
for t in threads:
    t.join()

3.2 内存管理最佳实践

在使用 malloc、calloc 或 new 分配内存后，必须确保在不再使用时调用 free 或 delete。推荐使用智能指针（C++）自动管理生命周期。

#include <memory>
std::unique_ptr<int> data = std::make_unique<int>(42);

3.3 构建可分发的扩展包

使用 setuptools 构建和分发第三方库。创建 setup.py 文件定义包的元信息。

from setuptools import setup, find_packages
setup(
    name="mypackage",
    version="0.1.0",
    packages=find_packages(),
    install_requires=["requests>=2.25.0"]
)

3.4 调试常见问题

段错误（Segmentation Fault）通常由指针操作不当或引用计数配对错误引起。

PyObject *obj = NULL;
Py_INCREF(obj); // 错误：对 NULL 指针增加引用计数

正确做法是确保对象非 NULL 后再操作引用计数。