有没有最新的带有python绑定的快速YAML解析器？

Question

Python中最新和最棒的YAML解析是什么？Syck是out of date，建议使用PyYaml，但是PyYaml相当慢，并且存在GIL问题：

>>> def xit(f, x):
        import threading
        for i in xrange(x):
                threading.Thread(target=f).start()

>>> def stressit():
        start = time.time()
        res = yaml.load(open(path_to_11000_byte_yaml_file))
        print "Took %.2fs" % (time.time() - start,)    

>>> xit(stressit, 1)
Took 0.37s
>>> xit(stressit, 2)
Took 1.40s
Took 1.41s
>>> xit(stressit, 4)
Took 2.98s
Took 2.98s
Took 2.99s
Took 3.00s

考虑到我的用例，我可以缓存解析过的对象，但我还是希望有一个更快的解决方案。在

Answer 1

链接的wiki页面在警告“使用libyaml（c）和PyYaml（python）”之后声明。尽管注释确实有一个错误的wikilink（应该是PyYAML而不是PyYaml）。在

至于性能，取决于PyYAML的安装方式，应该有CParser类，它实现了用优化的C编写的YAML解析器。虽然我认为这不能解决GIL问题，但它明显更快。下面是我在我的机器上运行的一些粗略的基准测试（AMD Athlon II X4 640，3.0GHz，8GB RAM）：

首先使用默认的纯Python解析器：

$ /usr/bin/python2 -m timeit -s 'import yaml; y=file("large.yaml", "r").read()' \
    'yaml.load(y)'                    
10 loops, best of 3: 405 msec per loop

与注册会计师：

^{pr2}$

作为比较，pypyy使用纯Python解析器。在

$ pypy -m timeit -s 'import yaml; y=file("large.yaml", "r").read()' \
    'yaml.load(y)'
10 loops, best of 3: 101 msec per loop

对于large.yaml我刚在google上搜索“大型yaml文件”时发现了这个：

https://gist.github.com/nrh/667383/raw/1b3ba75c939f2886f63291528df89418621548fd/large.yaml

（否则，我必须删除前几行，使其成为一个doc YAML文件山药负荷抱怨。）

编辑：

另一件要考虑的事情是使用multiprocessing模块而不是线程。这解决了GIL问题，但是需要更多的锅炉板代码来在进程之间进行通信。但是有许多好的库可以使多处理更容易。他们的名单很好here。在