選擇了腳本語言就要忍受其速度双吆，這句話在某種程度上說明了 python 作為腳本的一個(gè)不足之處易稠，那就是執(zhí)行效率和性能不夠理想言秸，特別是在 performance 較差的機(jī)器上，因此有必要進(jìn)行一定的代碼優(yōu)化來提高程序的執(zhí)行效率俗扇。如何進(jìn)行 Python 性能優(yōu)化，是本文探討的主要問題箕别。本文會(huì)涉及常見的代碼優(yōu)化方法铜幽，性能優(yōu)化工具的使用以及如何診斷代碼的性能瓶頸等內(nèi)容，希望可以給 Python 開發(fā)人員一定的參考串稀。

原文鏈接：http://www.ibm.com/developerworks/cn/linux/l-cn-python-optim/

1 Python 代碼優(yōu)化常見技巧

代碼優(yōu)化能夠讓程序運(yùn)行更快除抛，它是在不改變程序運(yùn)行結(jié)果的情況下使得程序的運(yùn)行效率更高，根據(jù) 80/20 原則母截，實(shí)現(xiàn)程序的重構(gòu)到忽、優(yōu)化、擴(kuò)展以及文檔相關(guān)的事情通常需要消耗 80% 的工作量清寇。優(yōu)化通常包含兩方面的內(nèi)容：減小代碼的體積喘漏，提高代碼的運(yùn)行效率。

改進(jìn)算法华烟，選擇合適的數(shù)據(jù)結(jié)構(gòu)

一個(gè)良好的算法能夠?qū)π阅芷鸬疥P(guān)鍵作用翩迈，因此性能改進(jìn)的首要點(diǎn)是對(duì)算法的改進(jìn)。在算法的時(shí)間復(fù)雜度排序上依次是：

O(1) -> O(lg n) -> O(n lg n) -> O(n^2) -> O(n^3) -> O(n^k) -> O(k^n) -> O(n!)

因此如果能夠在時(shí)間復(fù)雜度上對(duì)算法進(jìn)行一定的改進(jìn)盔夜，對(duì)性能的提高不言而喻负饲。但對(duì)具體算法的改進(jìn)不屬于本文討論的范圍堤魁，讀者可以自行參考這方面資料。下面的內(nèi)容將集中討論數(shù)據(jù)結(jié)構(gòu)的選擇绽族。

• 字典 (dictionary) 與列表 (list)

Python 字典中使用了 hash table姨涡，因此查找操作的復(fù)雜度為 O(1)，而 list 實(shí)際是個(gè)數(shù)組吧慢，在 list 中涛漂，查找需要遍歷整個(gè) list，其復(fù)雜度為 O(n)检诗，因此對(duì)成員的查找訪問等操作字典要比 list 更快匈仗。
清單 1. 代碼 dict.py

 from time import time 
 t = time() 
 list = ['a','b','is','python','jason','hello','hill','with','phone','test', 
'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd'] 
 #list = dict.fromkeys(list,True) 
 print list 
 filter = [] 
 for i in range (1000000): 
     for find in ['is','hat','new','list','old','.']: 
         if find not in list: 
             filter.append(find) 
 print "total run time:"
 print time()-t

上述代碼運(yùn)行大概需要 16.09seconds。如果去掉行 #list = dict.fromkeys(list,True) 的注釋逢慌，將 list 轉(zhuǎn)換為字典之后再運(yùn)行悠轩，時(shí)間大約為 8.375 seconds，效率大概提高了一半攻泼。因此在需要多數(shù)據(jù)成員進(jìn)行頻繁的查找或者訪問的時(shí)候火架，使用 dict 而不是 list 是一個(gè)較好的選擇。

• 集合 (set) 與列表 (list)

set 的 union忙菠， intersection何鸡，difference 操作要比 list 的迭代要快。因此如果涉及到求 list 交集牛欢，并集或者差的問題可以轉(zhuǎn)換為 set 來操作骡男。
清單 2. 求 list 的交集

 from time import time 
 t = time() 
 lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44] 
 listb=[2,4,6,9,23] 
 intersection=[] 
 for i in range (1000000): 
     for a in lista: 
         for b in listb: 
             if a == b: 
                 intersection.append(a) 


 print "total run time:"
 print time()-t

上述程序的運(yùn)行時(shí)間大概為：

total run time: 
38.4070000648

清單 3. 使用 set 求交集

from time import time 
 t = time() 
 lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44] 
 listb=[2,4,6,9,23] 
 intersection=[] 
 for i in range (1000000): 
     list(set(lista)&set(listb)) 
 print "total run time:"
 print time()-t

改為 set 后程序的運(yùn)行時(shí)間縮減為 8.75，提高了 4 倍多傍睹，運(yùn)行時(shí)間大大縮短隔盛。讀者可以自行使用表 1 其他的操作進(jìn)行測(cè)試。

表 1. set 常見用法

對(duì)循環(huán)的優(yōu)化

對(duì)循環(huán)的優(yōu)化所遵循的原則是盡量減少循環(huán)過程中的計(jì)算量拾稳，有多重循環(huán)的盡量將內(nèi)層的計(jì)算提到上一層吮炕。 下面通過實(shí)例來對(duì)比循環(huán)優(yōu)化后所帶來的性能的提高。程序清單 4 中熊赖，如果不進(jìn)行循環(huán)優(yōu)化来屠，其大概的運(yùn)行時(shí)間約為 132.375。

** 清單 4. 為進(jìn)行循環(huán)優(yōu)化前 **

 from time import time 
 t = time() 
 lista = [1,2,3,4,5,6,7,8,9,10] 
 listb =[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01] 
 for i in range (1000000): 
     for a in range(len(lista)): 
         for b in range(len(listb)): 
             x=lista[a]+listb[b] 
 print "total run time:"
 print time()-t

現(xiàn)在進(jìn)行如下優(yōu)化震鹉，將長(zhǎng)度計(jì)算提到循環(huán)外俱笛，range 用 xrange 代替，同時(shí)將第三層的計(jì)算 lista[a] 提到循環(huán)的第二層传趾。

清單 5. 循環(huán)優(yōu)化后

 from time import time 
 t = time() 
 lista = [1,2,3,4,5,6,7,8,9,10] 
 listb =[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01] 
 len1=len(lista) 
 len2=len(listb) 
 for i in xrange (1000000): 
     for a in xrange(len1): 
         temp=lista[a] 
         for b in xrange(len2): 
             x=temp+listb[b] 
 print "total run time:"
 print time()-t

上述優(yōu)化后的程序其運(yùn)行時(shí)間縮短為 102.171999931迎膜。在清單 4 中 lista[a] 被計(jì)算的次數(shù)為 10000001010，而在優(yōu)化后的代碼中被計(jì)算的次數(shù)為 1000000*10浆兰，計(jì)算次數(shù)大幅度縮短磕仅，因此性能有所提升珊豹。

充分利用 Lazy if-evaluation 的特性

python 中條件表達(dá)式是 lazy evaluation 的，也就是說如果存在條件表達(dá)式 if x and y榕订，在 x 為 false 的情況下 y 表達(dá)式的值將不再計(jì)算店茶。因此可以利用該特性在一定程度上提高程序效率。

清單 6. 利用 Lazy if-evaluation 的特性

 from time import time 
 t = time() 
 abbreviations = ['cf.', 'e.g.', 'ex.', 'etc.', 'fig.', 'i.e.', 'Mr.', 'vs.'] 
 for i in range (1000000): 
     for w in ('Mr.', 'Hat', 'is', 'chasing', 'the', 'black', 'cat', '.'): 
         if w in abbreviations: 
         #if w[-1] == '.' and w in abbreviations: 
             pass 
 print "total run time:"
 print time()-t

在未進(jìn)行優(yōu)化之前程序的運(yùn)行時(shí)間大概為 8.84劫恒，如果使用注釋行代替第一個(gè) if贩幻，運(yùn)行的時(shí)間大概為 6.17。

字符串的優(yōu)化

python 中的字符串對(duì)象是不可改變的两嘴，因此對(duì)任何字符串的操作如拼接丛楚，修改等都將產(chǎn)生一個(gè)新的字符串對(duì)象，而不是基于原字符串憔辫，因此這種持續(xù)的 copy 會(huì)在一定程度上影響 python 的性能趣些。對(duì)字符串的優(yōu)化也是改善性能的一個(gè)重要的方面，特別是在處理文本較多的情況下贰您。字符串的優(yōu)化主要集中在以下幾個(gè)方面：

1 - 在字符串連接的使用盡量使用 join() 而不是 +：在代碼清單 7 中使用 + 進(jìn)行字符串連接大概需要 0.125 s坏平，而使用 join 縮短為 0.016s。因此在字符的操作上 join 比 + 要快锦亦，因此要盡量使用 join 而不是 +功茴。

清單 7. 使用 join 而不是 + 連接字符串

 from time import time 

 t = time() 
 s = ""
 list = ['a','b','b','d','e','f','g','h','i','j','k','l','m','n'] 
 for i in range (10000): 
     for substr in list: 
         s+= substr     
 print "total run time:"
 print time()-t

同時(shí)要避免：

 s = ""
 for x in list: 
    s += func(x)

而是要使用：

 slist = [func(elt) for elt in somelist] 
 s = "".join(slist)

2 - 當(dāng)對(duì)字符串可以使用正則表達(dá)式或者內(nèi)置函數(shù)來處理的時(shí)候，選擇內(nèi)置函數(shù)孽亲。如 str.isalpha()，str.isdigit()展父，str.startswith(('x', 'yz'))返劲，str.endswith(('x', 'yz'))

3 - 對(duì)字符進(jìn)行格式化比直接串聯(lián)讀取要快，因此要使用

out = "<html>%s%s%s%s</html>" % (head, prologue, query, tail)

而避免

 out = "<html>" + head + prologue + query + tail + "</html>"

使用列表解析（list comprehension）和生成器表達(dá)式（generator expression）

列表解析要比在循環(huán)中重新構(gòu)建一個(gè)新的 list 更為高效栖茉，因此我們可以利用這一特性來提高運(yùn)行的效率篮绿。

 from time import time 
 t = time() 
 list = ['a','b','is','python','jason','hello','hill','with','phone','test', 
'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd'] 
 total=[] 
 for i in range (1000000): 
     for w in list: 
         total.append(w) 
 print "total run time:"
 print time()-t

使用列表解析：

for i in range (1000000): 
     a = [w for w in list]

上述代碼直接運(yùn)行大概需要 17s，而改為使用列表解析后 吕漂，運(yùn)行時(shí)間縮短為 9.29s亲配。將近提高了一半。生成器表達(dá)式則是在 2.4 中引入的新內(nèi)容惶凝，語法和列表解析類似吼虎，但是在大數(shù)據(jù)量處理時(shí)，生成器表達(dá)式的優(yōu)勢(shì)較為明顯苍鲜，它并不創(chuàng)建一個(gè)列表思灰，只是返回一個(gè)生成器，因此效率較高混滔。在上述例子上中代碼 a = [w for w in list] 修改為 a = (w for w in list)洒疚，運(yùn)行時(shí)間進(jìn)一步減少歹颓，縮短約為 2.98s。

其他優(yōu)化技巧

1 - 如果需要交換兩個(gè)變量的值使用 a,b=b,a 而不是借助中間變量 t=a;a=b;b=t油湖；

 >>> from timeit import Timer 
 >>> Timer("t=a;a=b;b=t","a=1;b=2").timeit() 
 0.25154118749729365 
 >>> Timer("a,b=b,a","a=1;b=2").timeit() 
 0.17156677734181258 
 >>>

2 - 在循環(huán)的時(shí)候使用 xrange 而不是 range巍扛；使用 xrange 可以節(jié)省大量的系統(tǒng)內(nèi)存，因?yàn)?xrange() 在序列中每次調(diào)用只產(chǎn)生一個(gè)整數(shù)元素乏德。而 range() 將直接返回完整的元素列表撤奸，用于循環(huán)時(shí)會(huì)有不必要的開銷。在 python3 中 xrange 不再存在鹅经，里面 range 提供一個(gè)可以遍歷任意長(zhǎng)度的范圍的 iterator寂呛。
3- 使用局部變量，避免"global" 關(guān)鍵字瘾晃。python 訪問局部變量會(huì)比全局變量要快得多贷痪，因 此可以利用這一特性提升性能。
4- if done is not None 比語句 if done != None 更快蹦误，讀者可以自行驗(yàn)證劫拢；
5 - 在耗時(shí)較多的循環(huán)中，可以把函數(shù)的調(diào)用改為內(nèi)聯(lián)的方式强胰；
6 - 使用級(jí)聯(lián)比較 "x < y < z" 而不是 "x < y and y < z"舱沧；
7 - while 1 要比 while True 更快（當(dāng)然后者的可讀性更好）；
8 - build in 函數(shù)通常較快偶洋，add(a,b) 要優(yōu)于 a+b熟吏。

2 定位程序性能瓶頸

對(duì)代碼優(yōu)化的前提是需要了解性能瓶頸在什么地方，程序運(yùn)行的主要時(shí)間是消耗在哪里玄窝，對(duì)于比較復(fù)雜的代碼可以借助一些工具來定位牵寺，python 內(nèi)置了豐富的性能分析工具，如 profile,cProfile 與 hotshot 等恩脂。其中 Profiler 是 python 自帶的一組程序帽氓，能夠描述程序運(yùn)行時(shí)候的性能，并提供各種統(tǒng)計(jì)幫助用戶定位程序的性能瓶頸俩块。Python 標(biāo)準(zhǔn)模塊提供三種 profilers:cProfile,profile 以及 hotshot黎休。
profile 的使用非常簡(jiǎn)單，只需要在使用之前進(jìn)行 import 即可玉凯。具體實(shí)例如下：
清單 8. 使用 profile 進(jìn)行性能分析

import profile 
 def profileTest(): 
    Total =1; 
    for i in range(10): 
        Total=Total*(i+1) 
        print Total 
    return Total 
 if __name__ == "__main__": 
    profile.run("profileTest()")

程序的運(yùn)行結(jié)果如下：

圖 1. 性能分析結(jié)果

Paste_Image.png

其中輸出每列的具體解釋如下：

• ncalls：表示函數(shù)調(diào)用的次數(shù)势腮；
• tottime：表示指定函數(shù)的總的運(yùn)行時(shí)間，除掉函數(shù)中調(diào)用子函數(shù)的運(yùn)行時(shí)間漫仆；
• percall：（第一個(gè) percall）等于 tottime/ncalls嫉鲸；
• cumtime：表示該函數(shù)及其所有子函數(shù)的調(diào)用運(yùn)行的時(shí)間，即函數(shù)開始調(diào)用到返回的時(shí)間歹啼；
• percall：（第二個(gè) percall）即函數(shù)運(yùn)行一次的平均時(shí)間玄渗，等于 cumtime/ncalls座菠；
• filename:lineno(function)：每個(gè)函數(shù)調(diào)用的具體信息；

如果需要將輸出以日志的形式保存藤树，只需要在調(diào)用的時(shí)候加入另外一個(gè)參數(shù)浴滴。如 profile.run("profileTest()","testprof")。
對(duì)于 profile 的剖析數(shù)據(jù)岁钓，如果以二進(jìn)制文件的時(shí)候保存結(jié)果的時(shí)候升略，可以通過 pstats 模塊進(jìn)行文本報(bào)表分析，它支持多種形式的報(bào)表輸出屡限，是文本界面下一個(gè)較為實(shí)用的工具品嚣。使用非常簡(jiǎn)單：

import pstats 
 p = pstats.Stats('testprof') 
 p.sort_stats("name").print_stats()

其中 sort_stats() 方法能夠?qū)ζ史謹(jǐn)?shù)據(jù)進(jìn)行排序， 可以接受多個(gè)排序字段钧大，如 sort_stats('name', 'file') 將首先按照函數(shù)名稱進(jìn)行排序翰撑，然后再按照文件名進(jìn)行排序。常見的排序字段有 calls( 被調(diào)用的次數(shù) )啊央，time（函數(shù)內(nèi)部運(yùn)行時(shí)間）眶诈，cumulative（運(yùn)行的總時(shí)間）等。此外 pstats 也提供了命令行交互工具瓜饥，執(zhí)行 python – m pstats 后可以通過 help 了解更多使用方式逝撬。
對(duì)于大型應(yīng)用程序，如果能夠?qū)⑿阅芊治龅慕Y(jié)果以圖形的方式呈現(xiàn)乓土，將會(huì)非常實(shí)用和直觀宪潮，常見的可視化工具有 Gprof2Dot，visualpytune趣苏，KCacheGrind 等坎炼，讀者可以自行查閱相關(guān)官網(wǎng)，本文不做詳細(xì)討論拦键。

3 Python 性能優(yōu)化工具

Python 性能優(yōu)化除了改進(jìn)算法，選用合適的數(shù)據(jù)結(jié)構(gòu)之外檩淋，還有幾種關(guān)鍵的技術(shù)芬为，比如將關(guān)鍵 python 代碼部分重寫成 C 擴(kuò)展模塊，或者選用在性能上更為優(yōu)化的解釋器等蟀悦，這些在本文中統(tǒng)稱為優(yōu)化工具媚朦。python 有很多自帶的優(yōu)化工具，如 Psyco日戈，Pypy询张，Cython，Pyrex 等浙炼，這些優(yōu)化工具各有千秋份氧，本節(jié)選擇幾種進(jìn)行介紹唯袄。

Psyco

psyco 是一個(gè) just-in-time 的編譯器，它能夠在不改變?cè)创a的情況下提高一定的性能蜗帜，Psyco 將操作編譯成有點(diǎn)優(yōu)化的機(jī)器碼恋拷，其操作分成三個(gè)不同的級(jí)別，有"運(yùn)行時(shí)"厅缺、"編譯時(shí)"和"虛擬時(shí)"變量蔬顾。并根據(jù)需要提高和降低變量的級(jí)別。運(yùn)行時(shí)變量只是常規(guī) Python 解釋器處理的原始字節(jié)碼和對(duì)象結(jié)構(gòu)湘捎。一旦 Psyco 將操作編譯成機(jī)器碼诀豁，那么編譯時(shí)變量就會(huì)在機(jī)器寄存器和可直接訪問的內(nèi)存位置中表示。同時(shí) python 能高速緩存已編譯的機(jī)器碼以備今后重用窥妇，這樣能節(jié)省一點(diǎn)時(shí)間舷胜。但 Psyco 也有其缺點(diǎn)，其本身運(yùn)行所占內(nèi)存較大秩伞。目前 psyco 已經(jīng)不在 python2.7 中支持逞带，而且不再提供維護(hù)和更新了，對(duì)其感興趣的可以參考 http://psyco.sourceforge.net/

Pypy

PyPy 表示 "用 Python 實(shí)現(xiàn)的 Python"纱新，但實(shí)際上它是使用一個(gè)稱為 RPython 的 Python 子集實(shí)現(xiàn)的展氓，能夠?qū)?Python 代碼轉(zhuǎn)成 C， .NET脸爱， Java 等語言和平臺(tái)的代碼遇汞。PyPy 集成了一種即時(shí) (JIT) 編譯器。和許多編譯器簿废，解釋器不同空入，它不關(guān)心 Python 代碼的詞法分析和語法樹。 因?yàn)樗怯?Python 語言寫的族檬，所以它直接利用 Python 語言的 Code Object.歪赢。 Code Object 是 Python 字節(jié)碼的表示，也就是說单料， PyPy 直接分析 Python 代碼所對(duì)應(yīng)的字節(jié)碼 ,埋凯，這些字節(jié)碼即不是以字符形式也不是以某種二進(jìn)制格式保存在文件中， 而在 Python 運(yùn)行環(huán)境中扫尖。目前版本是 1.8. 支持不同的平臺(tái)安裝白对，windows 上安裝 Pypy 需要先下載 https://bitbucket.org/pypy/pypy/downloads/pypy-1.8-win32.zip，然后解壓到相關(guān)的目錄换怖，并將解壓后的路徑添加到環(huán)境變量 path 中即可甩恼。在命令行運(yùn)行 pypy，如果出現(xiàn)如下錯(cuò)誤："沒有找到 MSVCR100.dll, 因此這個(gè)應(yīng)用程序未能啟動(dòng)，重新安裝應(yīng)用程序可能會(huì)修復(fù)此問題"条摸，則還需要在微軟的官網(wǎng)上下載 VS 2010 runtime libraries 解決該問題悦污。具體地址為http://www.microsoft.com/download/en/details.aspx?displaylang=en&id=5555
安裝成功后在命令行里運(yùn)行 pypy，輸出結(jié)果如下：

 C:\Documents and Settings\Administrator>pypy 
 Python 2.7.2 (0e28b379d8b3, Feb 09 2012, 18:31:47) 
 [PyPy 1.8.0 with MSC v.1500 32 bit] on win32 
 Type "help", "copyright", "credits" or "license" for more information. 
 And now for something completely different: ``PyPy is vast, and contains 
 multitudes''
 >>>>

以清單 5 的循環(huán)為例子屈溉，使用 python 和 pypy 分別運(yùn)行塞关，得到的運(yùn)行結(jié)果分別如下：

 C:\Documents and Settings\Administrator\ 桌面 \doc\python>pypy loop.py 
 total run time: 
 8.42199993134 

 C:\Documents and Settings\Administrator\ 桌面 \doc\python>python loop.py 
 total run time: 
 106.391000032

可見使用 pypy 來編譯和運(yùn)行程序，其效率大大的提高子巾。

Cython

Cython 是用 python 實(shí)現(xiàn)的一種語言帆赢，可以用來寫 python 擴(kuò)展，用它寫出來的庫都可以通過 import 來載入线梗，性能上比 python 的快椰于。cython 里可以載入 python 擴(kuò)展 ( 比如 import math)，也可以載入 c 的庫的頭文件 ( 比如 :cdef extern from "math.h")仪搔，另外也可以用它來寫 python 代碼瘾婿。將關(guān)鍵部分重寫成 C 擴(kuò)展模塊
Linux Cpython 的安裝可以參考文檔：http://docs.cython.org/src/quickstart/install.html
Cython 代碼與 python 不同，必須先編譯烤咧，編譯一般需要經(jīng)過兩個(gè)階段偏陪，將 pyx 文件編譯為 .c 文件，再將 .c 文件編譯為 .so 文件煮嫌。編譯有多種方法：

1. 通過命令行編譯
2. 使用 distutils 編譯

下面來進(jìn)行一個(gè)簡(jiǎn)單的性能比較：

清單 9. Cython 測(cè)試代碼

 from time import time 
 def test(int n): 
        cdef int a =0 
        cdef int i 
        for i in xrange(n): 
                a+= i 
        return a 

 t = time() 
 test(10000000) 
 print "total run time:"
 print time()-t

測(cè)試結(jié)果：

[GCC 4.0.2 20051125 (Red Hat 4.0.2-8)] on linux2 
 Type "help", "copyright", "credits" or "license" for more information. 
 >>> import pyximport; pyximport.install() 
 >>> import ctest 
 total run time: 
 0.00714015960693

清單 10. Python 測(cè)試代碼
從上述對(duì)比可以看到使用 Cython 的速度提高了將近 100 多倍笛谦。

 from time import time 
 def test(n): 
        a =0; 
        for i in xrange(n): 
                a+= i 
        return a 

 t = time() 
 test(10000000) 
 print "total run time:"
 print time()-t 

 [root@v5254085f259 test]# python test.py 
 total run time: 
 0.971596002579

從上述對(duì)比可以看到使用 Cython 的速度提高了將近 100 多倍。

4 總結(jié)

本文初步探討了 python 常見的性能優(yōu)化技巧以及如何借助工具來定位和分析程序的性能瓶頸昌阿，并提供了相關(guān)可以進(jìn)行性能優(yōu)化的工具或語言饥脑，希望能夠更相關(guān)人員一些參考。

參考資料

** 學(xué)習(xí) **

• 參考 Cython 官網(wǎng)懦冰，了解更多關(guān)于 Cython 的信息灶轰。
• 參考 Pypy 官網(wǎng)，了解更多關(guān)于 pypy 的知識(shí)刷钢。
• 查看文章"可愛的 Python: 用 Psyco 讓 Python 運(yùn)行得像 C 一樣快"笋颤，了解如何使用 Psyco 提高效率。
• 參考 Python 官網(wǎng)内地，了解更多 Python 最新的動(dòng)態(tài)伴澄。
• 獲取 visualpytune進(jìn)行試用。
• 了解更多關(guān)于 Gprof2Dot的信息瓤鼻。
• 在 developerWorks Linux 專區(qū) 尋找為 Linux 開發(fā)人員（包括 Linux 新手入門）準(zhǔn)備的更多參考資料，查閱我們 最受歡迎的文章和教程贤重。
• 在 developerWorks 上查閱所有 Linux 技巧 和 Linux 教程茬祷。
  隨時(shí)關(guān)注 developerWorks 技術(shù)活動(dòng)和網(wǎng)絡(luò)廣播。

** 討論 **

• 加入 developerWorks 中文社區(qū)并蝗，developerWorks 社區(qū)是一個(gè)面向全球 IT 專業(yè)人員祭犯，可以提供博客秸妥、書簽、wiki沃粗、群組粥惧、聯(lián)系、共享和協(xié)作等社區(qū)功能的專業(yè)社交網(wǎng)絡(luò)社區(qū)最盅。
• 加入 IBM 軟件下載與技術(shù)交流群組突雪，參與在線交流。