?大數(shù)據(jù)文摘出品

Python太慢了！

除了這個缺點，Python可以說是有無數(shù)個優(yōu)點，但就是這個缺點，讓無數(shù)程序員吐槽不已。

現(xiàn)在，麻省理工學院計算機科學與人工智能實驗室(CSAIL)的研究人員希望通過一個新的編譯器來改變這種狀況——Codon。

Codon 是一個新的基于 Python 的編譯器，能讓用戶編寫的 Python 代碼，運行效率與 C 或 C++ 程序相當。

這很香了。

裝上了渦輪增壓的 Python

Python 的主要優(yōu)勢在于語法簡單易學，這樣許多非專業(yè)程序員也能體會到編碼帶來的樂趣。

“我們意識到，人們不一定想學習一門新語言或一種新工具，尤其是那些非技術人員。所以我們想，讓我們把 Python 語法、語義和庫合并到一個從頭開始構建的新系統(tǒng)中。”Ariya Shajii  Codon 的新論文的主要作者。

這篇論文被發(fā)表在了第32屆 ACM SIGPLAN 編譯器構造國際會議上。

論文地址：https://dl.acm.org/doi/abs/10.1145/3578360.3580275

不像 C 和 C + + 這樣的語言都帶有一個編譯器來優(yōu)化生成的代碼以提高性能，Python 是一個直譯語言。為了讓 Python 變得更快，人們付出了很多努力，研究小組說，這種方法通常采用“自上向下的方法”，即采用普通的 Python 實現(xiàn)，并結合各種優(yōu)化或“即時”編譯技術（一種在執(zhí)行過程中編譯對性能至關重要的代碼片段的方法）。這些方法擅長于保持向后兼容性，但是這種方法也極大地限制了可以獲得的加速種類。

Codon 則采取了更多的自下而上的方法，從頭開始實施所有的東西，雖然有一些限制，但是更加靈活。

例如，Codon 雖然不能支持某些動態(tài)特性，但是可以使用優(yōu)化和其他靜態(tài)編譯技術，這些技術從標準的 Python 優(yōu)化流程開始就無法實現(xiàn)。

之前都沒人做，難點在哪？

第一個難點就在于運行前的類型檢查。

編譯器執(zhí)行的第一個關鍵步驟之一稱為“類型檢查”，即在程序中計算每個變量或函數(shù)的不同數(shù)據(jù)類型的過程。例如，一些可以是整數(shù)，一些可以是字符串，還有一些可以是浮點數(shù)ーー這是常規(guī) Python 不會去做的。在普通的 Python 中，在運行程序時必須處理所有這些信息，這是使其運行速度如此之慢的因素之一。

Codon 的的解決方法在于，在運行程序之前進行類型檢查。這允許編譯器將代碼轉換為本機代碼，從而避免了 Python 在運行時處理數(shù)據(jù)類型的所有消耗。

第二個難點在于編譯器中的優(yōu)化。

舉個例子，如何使用插件實現(xiàn)一組特定于該某計算領域的優(yōu)化？比如使用涉及到使用基因組序列和其他生物學數(shù)據(jù)的基因組學庫。

Codon 的方法是生成一個可執(zhí)行文件——讓其以 C 或 C + + 的速度運行，甚至一旦應用了特定于領域的優(yōu)化，運行速度甚至更快。

Codon 目前涵蓋了 Python 的一個相當大的子集，不過它仍然需要合并幾個動態(tài)特性，并擴大其 Python 庫的覆蓋范圍。Codon 團隊正在努力進一步縮小與 Python 的差距，并期待在未來幾個月內發(fā)布幾個新特性。Codon 目前在 GitHub 上公開可用。

GitHub：https://github.com/exaloop/codon

研究小組對密碼頓進行了嚴格的測試，結果證明它超出了預期。

具體來說，他們采用了大約10個用 Python 編寫的常用基因組學應用程序，并使用 Codon 編譯它們，實現(xiàn)了比原始手工優(yōu)化實現(xiàn)快5到10倍的速度。

除了基因組學，他們還探索了定量金融的應用，定量金融同樣也需要也處理大數(shù)據(jù)集，并大量使用 Python，效果也非常顯著。

同時，Codon平臺還有一個并行后端，可以讓用戶編寫可以明確編譯為 GPU 或多核并行的Python 代碼，而這些任務傳統(tǒng)上需要一定的編程專業(yè)知識。

相關報道：

https://www.csail.mit.edu/news/python-based-compiler-achieves-orders-magnitude-speedups

https://dl.acm.org/doi/abs/10.1145/3578360.3580275

https://spectrum.ieee.org/python-compiler