opcode又称为操作码，是将python源代码进行编译之后的结果，python虚拟机无法直接执行human-readable的源代码，因此python编译器第一步先将源代码进行编译，以此得到opcode。例如在执行python程序时一般会先生成一个pyc文件，pyc文件就是编译后的结果，其中含有opcode序列。
dis是python提供的对操作码进行分析的内置模块，下面由一个简单的示例程序来认识opcode:
def func(): a = 10 b = 20 c = a + b return cdis.dis(func)结果输出内容如下，其中LOAD_CONST，STORE_FAST，BINARY_ADD即是我们提到的opcode，python是基于栈的语言，LOAD_CONST是将常量进行压栈，SOTRE_FAST是将栈顶元素赋值给参数指定的变量。python 2.7版中共计定义了约110个操作码，其中90以上的操作码需要参数，操作码定义参见opcode.h (https://www.jianshu.com/p/f540e540f940)。
2 0 LOAD_CONST 1 (10) 3 STORE_FAST 0 (a) 3 6 LOAD_CONST 2 (20) 9 STORE_FAST 1 (b) 4 12 LOAD_FAST 0 (a) 15 LOAD_FAST 1 (b) 18 BINARY_ADD 19 STORE_FAST 2 (c) 5 22 LOAD_FAST 2 (c) 25 RETURN_VALUE在解释opcode在python虚拟机的行为之前来认识一下PyCodeObject，python代码在编译完成后在内存中的对象称为PyCodeObject，PyCodeObject的C定义（python底层基于C语言）如下图：
typedef struct { PyObject_HEAD int co_argcount; /* #arguments, except *args */ int co_kwonlyargcount; /* #keyword only arguments */ int co_nlocals; /* #local variables */ int co_stacksize; /* #entries needed for evaluation stack */ int co_flags; /* CO_..., see below */ PyObject *co_code; /* instruction opcodes */ PyObject *co_consts; /* list (constants used) */ PyObject *co_names; /* list of strings (names used) */ PyObject *co_varnames; /* tuple of strings (local variable names) */ PyObject *co_freevars; /* tuple of strings (free variable names) */ PyObject *co_cellvars; /* tuple of strings (cell variable names) */ /* The rest doesn't count for hash or comparisons */ unsigned char *co_cell2arg; /* Maps cell vars which are arguments. */ PyObject *co_filename; /* unicode (where it was loaded from) */ PyObject *co_name; /* unicode (name, for reference) */ int co_firstlineno; /* first source line number */ PyObject *co_lnotab; /* string (encoding addr<->lineno mapping) See Objects/lnotab_notes.txt for details. */ void *co_zombieframe; /* for optimization only (see frameobject.c) */ PyObject *co_weakreflist; /* to support weakrefs to code objects */} PyCodeObject;其中这里面我们关心co_consts和co_names两个列表，第一个存放了所有的常量，第二存放了所有的变量，因此有下面的结论。
LOAD_CONST 0 表示将co_consts中的第0个（下标0）放入栈中。
STORE_FAST 0 表示将栈顶元素赋值给co_names中存放的第0个元素。
有了上面的知识很容易理解出下面操作码序列所表示的内容 c=a+b:
12 LOAD_FAST 0 (a) 15 LOAD_FAST 1 (b) 18 BINARY_ADD 19 STORE_FAST 2 (c)co_code中存储了操作码序列，编译好的操作码以二进制的方式进行存储，co_code = [(opcode}[args{0,1}]+的形式，其中opcode占用一个byte，编号90以下的操作码不需要参数，90及以上的操作码需要两个byte的args，下面是func函数编译之后得到的PyCodeObject信息，这里https://github.com/yukunxie/PythonCodeObjectParser/blob/master/codeparser.py提供了一下PyCodeObject的查看工具。
<item idx="0" name="func" type="codeobject"> <co_consts count="3"> <item idx="0">None</item> <item idx="1">10</item> <item idx="2">20</item> </co_consts> <co_names count="0"/> <co_varnames count="3"> <name idx="0">a</name> <name idx="1">b</name> <name idx="2">c</name> </co_varnames> <co_cellvars count="0"/> <co_freevars count="0"/> <co_filename>code.py</co_filename> <co_ename>func</co_ename> <co_nlocals>3</co_nlocals> <co_stacksize>2</co_stacksize> <co_argcount>0</co_argcount> <co_code>6401007d00006402007d01007c00007c0100177d02007c020053</co_code> </item>python的目标不是一个性能高效的语言，出于脚本动态类型的原因虚拟机做了大量计算来判断一个变量的当前类型，并且整个python虚拟机是基于栈逻辑的，频繁的压栈出栈操作也需要大量计算。动态类型变化导致python的性能优化非常困难，尽管如此python在编译阶段还是在操作码层做了简单的peephole(窥空优化)。窥孔优化的原理比较简单，详情可以参见https://en.wikipedia.org/wiki/Peephole_optimization。这里举一个tuple相关的优化，更多的peephole相关的优化这里不作深入讨论。
a = (1, 2, 3, 4) 2 0 LOAD_CONST 5 ((1, 2, 3, 4)) 3 STORE_FAST 0 (a) 6 LOAD_CONST 0 (None) 9 RETURN_VALUE 2 0 LOAD_CONST 1 (1) 3 LOAD_CONST 2 (2) 6 LOAD_CONST 3 (3) 9 LOAD_CONST 4 (4) 12 BUILD_TUPLE 4 15 STORE_FAST 0 (a) 18 LOAD_CONST 0 (None) 21 RETURN_VALUE联系客服
