Python離JIT還有多遠？
個人覺得Python作為一種動態語言未來性能提高將主要依賴於JIT。
PyPy通過JIT技術可以使得python速度提高近十倍，同時保證兼容性。但是PyPy進度緩慢目前仍然在 Python 2.x 發展，主要是什麼限制了pypy的發展？Python 3.5 中加入了 Type Hints 特性，這是否暗示了Python在為將來JIT的支持提供潛力？
PEP 0484 -- Type HintsPython JIT的未來到底會是什麼？會是 PyPy 繼續發展支持 Python 3.x ？還是CPython 本身發展出一些 JIT 特性？以及，這一切還有多遠？
Python 3.5的type hints主要還是文檔意義和type checker意義大，目前看來對JIT編譯器並沒有多少作用。
如果CPython社區自身不抗拒的話，說不定「實用」且「現實」的基於CPython的JIT編譯器很快就會進入大眾視野了。請參考近期動態，都是基於CPython來直接加JIT（而不是另起爐灶像PyPy或者Pyston），保證最大限度兼容性：- 如何評價微軟推出的 Pyjion？ - RednaxelaFX 的回答 &<- 微軟的有愛人士在努力設計一個簡單的嵌入到CPython的C API來支持外部JIT編譯器插入到CPython運行時，並基於這個API在做實驗性實現
- 如何評價 IBM 的 Ruby + OMR？ - RednaxelaFX 的回答 &<- IBM OMR項目有為CPython提供JIT的實驗實現
聲明，我剛入門，不是資深的開發者。我目前在Nexedi工作，試圖讓NumPy可以運行在Pyston中。
針對題主的問題，簡單回答就是：很快，Pyston就是使用JIT技術的Python實現，目前處於0.5版本，年內應該可以在兼容性上完善到PyPy的水準。效率上仍有待提高。
複雜一點：就是取決於題主如何定義有多遠了。Pyston和PyPy目前都不支持3.x，CPython採用了引用計數，其C API也使用了這個技術，這對其他任何基於JIT技術的Python實現都是一個攔路虎。如果期望有一款Python實現能同時支持2.x和3.x，兼容已有的為CPython編寫的第三方庫、效率大大提升、跨平台，那麼還有很長的一段路要走。先介紹一下Pyston, Pyston是Dropbox實現的Python編譯器/解釋器。其設計思想有些類似Google曾經的Unladen Swallow, 即大量採用CPython的代碼和模塊，保持兼容性，在此基礎上使用JIT技術提升運行效率。目前僅支持Python 2.x。
針對題主的回答。個人覺得Python作為一種動態語言未來性能提高將主要依賴於JIT。
完全贊同！
PyPy通過JIT技術可以使得python速度提高近十倍，同時保證兼容性。
PyPy只在特定領域讓Python的執行速度變快，兼容性也僅僅在於Python語言本身上。而對第三方庫的支持依然不太好。典型的就是各種科學計算庫，PyPy目前使用的是自行實現的NumPy。不過期待PyPy將要發布的通過新實現的C API來支持原生NumPy的進展。
但是PyPy進度緩慢目前仍然在 Python 2.x 發展，主要是什麼限制了pypy的發展？
錢、人（歸根結底還是錢）
Python 3.5 中加入了 Type Hints 特性，這是否暗示了Python在為將來JIT的支持提供潛力？
PEP 0484 -- Type Hints
幫助非常大，現階段，Pyston對代碼進行JIT都需要推導類型，但如果類型推導錯了，就要回退，這很影響效率的。Type Hints能提高JIT獲取變數類型的效率。 但是任何一款Python編譯器/解釋器都需要兼容已有的代碼，這一點或許可以在編譯階段來進行處理，比如語法解析器在掃描源碼的時候，如果發現使用了Type Hints，就跳過類型推導的步驟。
Python JIT的未來到底會是什麼？會是 PyPy 繼續發展支持 Python 3.x ？還是CPython 本身發展出一些 JIT 特性？
Pyston應該是一個更好的選擇。樓上有朋友說Pyston是另起爐灶，其實不完全正確，Pyston馬上就會切換回CPython的引用計數的垃圾收集方式。同時大量採用了CPython的代碼實現，比如Pyston中unicode的實現就完全採用了CPython的代碼。而我主要參與實現的float、complex等，都是盡量使用CPython的實現，只有在需要為JIT提升速度時才重新編寫代碼。只有long對象是完全重新實現的。PyPy才是另起爐灶。
以及，這一切還有多遠？
Pyston對Python 2.x的支持應該在今年可以完善，不論是效率還是兼容性上。3.x目前還沒有計劃。至於其他Python實現，依然要面對下面幾個問題：
- 兼容性（包括語言本身和對C API的兼容性）
- 跨平台
- 效率
- 支持2.x和3.x
考慮一下這幾個問題，然後對比一下已有的Python實現，只有PyPy和Pyston有希望。目前PyPy更加成熟，但我並不看好現在的這個C API支持方式。而Pyston走的是正確的道路上，所以我當初最後選擇了為Pyston貢獻代碼。
補充：為什麼我不看好PyPy的實現方式。除了正常的使用Python做Web開發、運維等，Python還會用做科學計算。前者接觸的不多，不太了解，但後者會對Python有些「奇技淫巧」的用法。就比如OpenCV的Python綁定，為了讓OpenCV在Python中的使用方式更加Pythonic，OpenCV選擇使用CPython的C API和NumPy的C API來封裝OpenCV的Mat數據結構，在底層直接訪問Mat中在內存中的數組，轉換成NumPy的ndarray。在Python中就直接操縱這個ndarray就可以了，零內存複製。每調用一個OpenCV的函數或數據結構，就需要調用相關的C API函數。如果這些C API函數都是模擬實現（封裝），而不是原生的，我擔心對效率有影響（目前PyPy還未放出其通過封裝的C API實現的NumPy，因此還沒有數據能夠驗證）。也就是說針對PyPy+OpenCV，能通過這個新的C API直接使用OpenCV官方的Python綁定當然是最好的，否則可能要自行實現基於cffi的OpenCV-PyPy綁定。這樣依然對已有的第三方庫支持不太好。
因此，對於模擬實現的C API能否實現一些比較tricky的使用方式，仍然需要觀察。同時這種模擬的C API如何應對引用技術中的循環引用也需要觀察一下。
關於Dropbox由Python轉Golang：
Pyston項目的BOSS，Kevin說，曾經轉過，還轉了不少，但目前轉換慢了下來。有些由Python轉為Golang的由開始慢慢像Rust轉過去，而Python依然保持穩定。分割線
-----------------------亂寫了一點，有想到的再補充。若內容有問題，歡迎各位挑錯！Type Hints is for humans, not for compilers.
另外，現在PyPy3有了，解除GIL限制的PyPy-STM有了，NumPy兼容層有了，這不能算是發展緩慢吧。
Pyston項目前景不好說，我持觀望態度。目前兼容度不如PyPy，而且Pyston背後是Dropbox，而你們知道Dropbox的技術棧已經棄Python轉Go了。
至於CPython加JIT就甭想了。啥時候CPython的語法特性趨於穩定了，開始認真做向下兼容了，JIT大概會提上日程。
至於pypy3，其實已經有了，只不過大家都拿C寫擴展，這貨沒法用啊……加之人家項目組募捐搞開發募了好久都還不到計劃的1/3，都不知道募捐速度能不能趕上通脹率了……
但願屆時我還活著……
pypy主要的問題，一是沒資源(沒錢，沒人等等)，二是最早是一個研究項目，當時估計也沒想過實用化，損失了不少時間。 三因為py太慢導致初期不少人直接用c api擼了不少庫，而有些庫很不幸得到了廣泛的應用，pypy c api偏偏就不大好用，所以導致要無縫切換不大容易。例如numpy,pypy甚至有一個專門的版本。type hint 可以看看這裡Frequently Asked Questions貌似對pypy用途不是特別大當然要是說一句政治正確的話，前途是光明的，道路是曲折的。 前幾天連guido本人都說要想快， 用pypy。引用如下
"""
Guido van Rossum ?@gvanrossum Oct 20.@Lucretiel@jykae@ThePSF Compiling to C/C++/etc. is not the focus of most Python development. If you want faster Python, sponsor PyPy!
"""
怎麼用？ python pypy一起用唄。
================== 26/03/2016 ==============
pypy 5.0 之後對cpyext的支持好了一些，至少lxml是可以跑起來了，不需要那個lxml-cffi（這個似乎停了有一段時間了）
謹慎樂觀，以後直接支持numpy也是有可能的。
大概很遠，起碼目前看CPython沒戲，相對JIT，我覺得GIL解決下更好。
剩下的裡面我看好pypy和pyston。目前最優解是pypy，速度提升明顯。pyston現在還沒用在Dropbox線上呢，雖然最近pycon上講馬上要推廣上線了。另外只有2和Linux支持也很限制pyston很多場景。不過長期我個人看好pyston，如果Dropbox不倒的話……JIT是用錢堆出來的
pypy最新的版本可以直接pip install scipynumpy matplotlib，不需要安裝特殊的numpy庫， 雖然scipy中還是有很多pkg不能用，不過考慮到開發人數，實際上已經非常不錯了
推薦閱讀：
※異常(exception)和執行失敗有什麼區別？
※Python是不是弱類型？如果是的話是不是僅僅因此就不需要泛型了？
※windows下anaconda 安裝報錯, errno9,怎麼解決？
※spyder 如何添加和安裝其他的包？
※Python 做高頻交易系統適合哪個級別的延遲？