基准

为了掌握Pymunk的实际性能，此页面包含了许多基准测试。

所有基准测试的完整代码可在 benchmarks 文件夹。

请注意，Pymunk6.0的基准测试还没有更新，但测试看起来很有希望。

获取和回调

为了在最常见的情况下衡量Pymunk造成的开销，我创建了两个微基准。它们应该显示实际包装代码的速度，这可以告诉Pymunk产生了多大的开销，以及不同的包装方法有多大的差异。

使用Pymunk的典型程序最常见的操作是从Pymunk对象中读出位置和角度。通常会在模拟中的每个对象的每一帧中执行此操作，因此这是决定操作速度的一个重要因素。

鉴于此，我们的第一个测试是：

t += b.position.x + b.position.y + b.angle

(见 pymunk-get.py )

运行它很简单，例如，对于Pymunk 4.0：：

> python -m pip install pymunk==4.0
> python pymunk-get.py

我们所做的第二个测试是基于我们可以做的第二件重要事情，即使用回调，例如作为冲突处理程序或位置函数：

def f(b,dt):
    b.position += (1,0)

s.step(0.01)

(见 pymunk-callback.py )

结果：

测试在搭载英特尔i7-4600U的惠普G1 1040笔记本电脑上运行。笔记本电脑运行Windows，测试在运行64位Debian的VirtualBox VM中运行。CPython测试使用来自Conda的CPython，而PyPy测试使用手动下载的PyPy。CPython2.7使用CFFI 1.7，其他测试使用CFFI 1.8。

请记住，这些结果并不能告诉您游戏/应用程序将如何运行，它们可以更多地被视为有助于识别性能问题和了解Python之间的区别。

Pymunk-Get：

	CPython2.7.12	CPython3.5.2	PyPy 5.4.1
Pymunk5.1	2.1s	2.2s	0.36s
Pymunk5.0	4.3s	4.5s	0.37s
Pymunk4.0	1.0s	0.9s	0.52s

Pymunk-回调：

	CPython2.7.12	CPython3.5.2	PyPy 5.4.1
Pymunk5.1	5.7s	6.8s	1.1s
Pymunk5.0	6.5s	7.3s	1.0s
Pymunk4.0	5.1s	6.5s	4.5s

从这些结果中我们可以看到，如果有可能，您应该使用PyPy，因为它比常规的CPython快得多。我们还可以看到，在Pymunk 4和5之间从Ctype迁移到CFFI在CPython中有负面影响，但对PyPy有积极影响，而Pymunk 5和PyPy一起使用是最快的选择。

速度在5.0到5.1之间的提升是因为Vec2d类及其在Pymunk中的内部处理方式被更改以提高性能。

批处理API

Pymunk 6.6.0引入了一个新的实验性批处理API，可以在批处理中高效地检索车身和碰撞数据，这些批处理经过优化，可以进一步高效地处理，例如使用NumPy。

为了测试这一点，有一个新的基准测试，它将获取位置和角度(Batch API的几乎每个用户都会使用的数据)正常地与新的API进行比较。该基准测试使用不同数量的主体运行，并将迭代次数调整为在合理时间内完成。

(见 pymunk-batch-api.py )

基准测试是使用内部预发布的Pymunk 6.6.0运行在Windows上，在ThinkPad X1 Carbon 7 Gen上使用CPython3.11和PyPy 3.10-v7.3.12。

结果：

下面我们可以看到，在一个空间中使用5个实体时，使用批处理API的速度已经更快了，如果使用CPython，它处理大量实体的速度大约是普通非批处理API的40倍。有了PyPy，改进要温和得多。

身体	正常API	批处理API	正常的PyPy	批处理PYPy
1	2.2s	4.2s	0.4s	0.5s
5	2.0s	0.8s	0.3s	0.3s
10	2.1s	0.4s	0.3s	0.2s
100	2.2s	0.09s	0.3s	0.2s
1000	2.3s	0.05s	0.3s	0.2s
10000	不适用	0.04s	不适用	0.2s
50000	不适用	0.06s	不适用	0.2s
100000	不适用	0.07s	不适用	0.2s

得到的时间是获得位置和角度数据的时间除以物体数量的1000000倍。

由此我们可以看出，如果只有1个Body，那么使用普通API的速度是使用CPython的批处理API的两倍。然而，在5个主体中，批处理API的速度是普通API的(超过)两倍。这比预期的要好，也显示了潜力。

对于更多的主体，很明显，正常API的运行时或多或少是线性扩展的，这意味着无论主体的数量如何，获取单个主体的开销都是恒定的。对于批处理API，我们可以看到批处理有很高的开销，当我们达到大约1000个主体时，它开始像普通API一样扩展，每个主体的开销或多或少是恒定的。我们还可以看到，每个身体的时间略有增加，可能是因为收集结果所需的更大的阵列，或者是Chipmunk内部的一些其他开销。

另一方面，对于PyPy来说，结果就不那么令人兴奋了。使用普通API的PyPy已经非常快了，如 Pymunk-Get 基准测试，并且使用批处理API只提供了适度的改进。

与其他物理类库相比

备注

到目前为止(2023年)，西蒙克(也是pybox2d)似乎没有得到维护。

西蒙克

Cymunk 是Chipmunk的另一种包装。与Pymunk不同，它使用Cython进行包装(Pymunk使用CFFI)，这为它提供了不同的性能配置文件。然而，由于两者都是围绕Chipmunk建造的，所以总体速度将非常相似，只有当信息从Chipmunk传递/传递到Chipmunk时才会有所不同。这正是微基准测试要衡量的开销类型。

《Pymunk》没有《金龟子》功能齐全，所以为了和《金龟子》相比，我们必须做一些调整。一个主要的区别是，它不实现 position_func 函数，因此我们使用冲突处理程序执行替代回调测试：：

h = s.add_default_collision_handler()
def f(arb):
    return false
h.pre_solve = f

s.step(0.01)

(见 pymunk-collision-callback.py 和 cymunk-collision-callback.py )

结果

测试在搭载英特尔i7-4600U的惠普G1 1040笔记本电脑上运行。笔记本电脑运行Windows，测试在运行64位Debian的VirtualBox VM中运行。CPython测试使用来自Conda的CPython，而PyPy测试使用手动下载的PyPy。CFFI版本1.10.0和Cython 0.25.2。

由于Cymunk没有合适的版本，所以我使用了其Github库中最新的主版本，hash 24845cc，检索日期为2017-09-16。

获取：

	CPython3.5.3	PYPY 5.8
Pymunk5.3	2.14s	0.33s
《西蒙克20170916》	0.41s	(10秒)

冲突-回调：

	CPython3.5.3	PYPY 5.8
Pymunk5.3	3.71s	0.58s
《西蒙克20170916》	0.95s	(7.01秒)

(括号内的Cymunk结果显示在PyPy上，因为众所周知，Cython在PyPy上速度很慢)

从这些结果中我们可以看到，Cymunk在CPython上的速度比在CPython上的Pymunk快得多，但当我们包括PyPy时，Pymunk取得了全面的胜利。

我们没有考虑到的一点是，您可以牺牲便利性来换取性能，并在应用程序代码中使用Cython来加快速度。我认为这就是KivEnt使用的方法，KivEnt是Cymunk的主要用户。然而，由于编译器要求和代码更改，在开发应用程序时需要进行复杂得多的设置。