Слайды с доклада на Codefest 2016 От Александра Маршалова В докладе были рассмотрены основные способы микро и не микро оптимизаций для Python

1. Оптимизация
производительности Python
Александр Маршалов / _@marshalov.org
1 / 216

2. О чём мы будем говорить?
2 / 216

3. Мы не будем говорить:
3 / 216

4. Мы не будем говорить:
Об «альтернативных» платформах (PyPy, MyPy, Jython, Iron Python, etc…)
4 / 216

5. Мы не будем говорить:
Об «альтернативных» платформах (PyPy, MyPy, Jython, Iron Python, etc…)
О распараллеливании алгоритмов
5 / 216

6. Мы не будем говорить:
Об «альтернативных» платформах (PyPy, MyPy, Jython, Iron Python, etc…)
О распараллеливании алгоритмов
О переписывании кода на другие языки *
* при этом мы все же немного поговорим о генерации кода на других языках на основе python-
кода
6 / 216

7. Мы не будем говорить:
Об «альтернативных» платформах (PyPy, MyPy, Jython, Iron Python, etc…)
О распараллеливании алгоритмов
О переписывании кода на другие языки *
Об объективности и правильности приводимых в докладе тестов
* при этом мы все же немного поговорим о генерации кода на других языках на основе python-
кода
7 / 216

8. Мы не будем говорить:
Об «альтернативных» платформах (PyPy, MyPy, Jython, Iron Python, etc…)
О распараллеливании алгоритмов
О переписывании кода на другие языки *
Об объективности и правильности приводимых в докладе тестов
О том, что всё, о чем вы услышите, нужно применять с умом
* при этом мы все же немного поговорим о генерации кода на других языках на основе python-
кода
8 / 216

9. Часть 1
Микрооптимизации
9 / 216

10. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
10 / 216

11. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль dis
11 / 216

12. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль dis
Использование:
>>> from dis import dis
>>> dis("sec_in_week = 604800")
1 0 LOAD_CONST 6 (604800)
3 STORE_NAME 0 (sec_in_week)
6 LOAD_CONST 3 (None)
9 RETURN_VALUE
12 / 216

13. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль dis
Использование:
>>> from dis import dis
>>> dis("sec_in_week = 604800")
1 0 LOAD_CONST 6 (604800)
3 STORE_NAME 0 (sec_in_week)
6 LOAD_CONST 3 (None)
9 RETURN_VALUE
Подробнее: docs.python.org/3/library/dis.html
13 / 216

14. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
x = 1
y = 2
Модуль dis
Пример. Мы хотим узнать, какая конструкция выполняется быстрее:
x, y = 1, 2
14 / 216

15. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
x = 1
y = 2
LOAD_CONST ((1, 2))
UNPACK_SEQUENCE 2
STORE_NAME (x)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
LOAD_CONST (1)
STORE_NAME (x)
LOAD_CONST (2)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
Модуль dis
Пример. Мы хотим узнать, какая конструкция выполняется быстрее:
x, y = 1, 2
15 / 216

16. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
x = 1
y = 2
LOAD_CONST ((1, 2))
UNPACK_SEQUENCE 2
STORE_NAME (x)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
LOAD_CONST (1)
STORE_NAME (x)
LOAD_CONST (2)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
Модуль dis
Пример. Мы хотим узнать, какая конструкция выполняется быстрее:
Видно, что байт-код отличается на две конструкции, в первом
случае - загрузка кортежа в стек и распаковка в стек, во втором -
две загрузки целых чисел в стек.
x, y = 1, 2
16 / 216

17. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
x = 1
y = 2
LOAD_CONST ((1, 2))
UNPACK_SEQUENCE 2
STORE_NAME (x)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
LOAD_CONST (1)
STORE_NAME (x)
LOAD_CONST (2)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
Модуль dis
Пример. Мы хотим узнать, какая конструкция выполняется быстрее:
Интуитивно понятно, что загрузка кортежа в стек медленней
загрузки числа в стек, и распаковка кортежа в стек медленней
загрузки одного значения в стек.
x, y = 1, 2
17 / 216

18. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
x = 1
y = 2
LOAD_CONST ((1, 2))
UNPACK_SEQUENCE 2
STORE_NAME (x)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
LOAD_CONST (1)
STORE_NAME (x)
LOAD_CONST (2)
STORE_NAME (y)
LOAD_CONST (None)
RETURN_VALUE
Модуль dis
Пример. Мы хотим узнать, какая конструкция выполняется быстрее:
Поэтому видно, что второй код быстрее первого. Но, если не видно,
то есть timeit.
x, y = 1, 2
18 / 216

19. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль timeit
19 / 216

20. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль timeit
Использование (в REPL или в python-коде):
>>> from timeit import timeit
>>>
>>> timeit("x, y = 1, 2", number=100000000)
3.349976803001482
>>>
>>> timeit("x = 1; y = 1", number=100000000)
3.125208465033211
20 / 216

21. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль timeit
Использование (в ipython):
In [1]: %timeit a, b, c, d = 1, 2, 3, 4
10000000 loops, best of 3: 45.1 ns per loop
In [2]: %timeit a = 1; b = 2; c = 3; d = 4
10000000 loops, best of 3: 47.7 ns per loop
In [3]:
21 / 216

22. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль timeit
Использование (в режиме командной строки):
$ python3 -m timeit -n 1000000 -r 100 "x = 1; y = 2; z = 3"
1000000 loops, best of 100: 0.0385 usec per loop
$
$ python3 -m timeit -n 1000000 -r 100 "x, y, z = 1, 2, 3"
1000000 loops, best of 100: 0.0388 usec per loop
22 / 216

23. 1. Микро-
оптимизации
- Инструменты
Инструменты, используемые при
микрооптимизациях
Модуль timeit
Использование (в режиме командной строки):
$ python3 -m timeit -n 1000000 -r 100 "x = 1; y = 2; z = 3"
1000000 loops, best of 100: 0.0385 usec per loop
$
$ python3 -m timeit -n 1000000 -r 100 "x, y, z = 1, 2, 3"
1000000 loops, best of 100: 0.0388 usec per loop
Подробнее: docs.python.org/3/library/timeit.html
23 / 216

24. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
1. Замена умножения сложением
24 / 216

25. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
1. Замена умножения сложением
>>> # int
>>> from timeit import timeit
>>>
>>> timeit("x = x * 2", setup="x = 2")
21.935253892996116
>>> timeit("x = x + x", setup="x = 2")
18.347866550000617
25 / 216

26. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
1. Замена умножения сложением
>>> # int
>>> from timeit import timeit
>>>
>>> timeit("x = x * 2", setup="x = 2")
21.935253892996116
>>> timeit("x = x + x", setup="x = 2")
18.347866550000617
>>> # float
>>> from timeit import timeit
>>>
>>> timeit("x = x * 2", setup="x = 3.14", number=100000000)
8.331406126002548
>>> timeit("x = x + x", setup="x = 3.14", number=100000000)
4.393627463025041
26 / 216

27. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
1. Замена умножения сложением
>>> # int
>>> from timeit import timeit
>>>
>>> timeit("x = x * 2", setup="x = 2")
21.935253892996116
>>> timeit("x = x + x", setup="x = 2")
18.347866550000617
>>> # float
>>> from timeit import timeit
>>>
>>> timeit("x = x * 2", setup="x = 3.14", number=100000000)
8.331406126002548
>>> timeit("x = x + x", setup="x = 3.14", number=100000000)
4.393627463025041
Сравнение:
x * 2 x + x приростприрост
int 21.94 18.35 16.5%
float 8.33 4.39 47.3%
27 / 216

28. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
2. Замена возведения в степень
умножением
28 / 216

29. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
2. Замена возведения в степень
умножением
>>> # int
>>> timeit("x = x ** 2", setup="x = 2", number=30)
8.314083544013556
>>> timeit("x = x * x", setup="x = 2", number=30)
7.056395357009023
29 / 216

30. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
2. Замена возведения в степень
умножением
>>> # int
>>> timeit("x = x ** 2", setup="x = 2", number=30)
8.314083544013556
>>> timeit("x = x * x", setup="x = 2", number=30)
7.056395357009023
>>> # float
>>> timeit("x = x ** 2", setup="x = 0.5", number=100000000)
5.864706993103027
>>> timeit("x = x * x", setup="x = 0.5", number=100000000)
3.877152919769287
30 / 216

31. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
2. Замена возведения в степень
умножением
>>> # int
>>> timeit("x = x ** 2", setup="x = 2", number=30)
8.314083544013556
>>> timeit("x = x * x", setup="x = 2", number=30)
7.056395357009023
>>> # float
>>> timeit("x = x ** 2", setup="x = 0.5", number=100000000)
5.864706993103027
>>> timeit("x = x * x", setup="x = 0.5", number=100000000)
3.877152919769287
Сравнение:
x ** 2 x * x приростприрост
int 8.31 7.06 15.0%
float 5.86 3.88 33.8%
31 / 216

32. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
3. Замена "константных переменных" их
значениями (литералами).
32 / 216

33. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
3. Замена "константных переменных" их
значениями (литералами).
Иначе говоря, популярная оптимизация под названием constant
propagation ("протяжка" констант).
33 / 216

34. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
3. Замена "константных переменных" их
значениями (литералами).
«Модифицируй это!» или «Больше магии Python с
помощью изменения AST»
vk.com/wall-96469126_1029
34 / 216

35. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
35 / 216

36. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
In [1]: x = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
In [2]: y = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
In [3]: %timeit z = (x == y)
10000000 loops, best of 3: 85.3 ns per loop
In [4]: %timeit z = (x == y)
10000000 loops, best of 3: 85.1 ns per loop
In [5]: # ???
In [6]: # ???
In [7]: # ???
In [8]: %timeit z = (x == y)
10000000 loops, best of 3: 57.3 ns per loop
In [9]: %timeit z = (x == y)
10000000 loops, best of 3: 57.4 ns per loop
36 / 216

37. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
In [1]: x = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
In [2]: y = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
In [3]: %timeit z = (x == y)
10000000 loops, best of 3: 85.3 ns per loop
In [4]: %timeit z = (x == y)
10000000 loops, best of 3: 85.1 ns per loop
In [5]: import sys
In [6]: x = sys.intern(x)
In [7]: y = sys.intern(y)
In [8]: %timeit z = (x == y)
10000000 loops, best of 3: 57.3 ns per loop
In [9]: %timeit z = (x == y)
10000000 loops, best of 3: 57.4 ns per loop
37 / 216

38. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
>>> x = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
>>> y = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
>>>
>>> x == y, x is y
(True, False)
>>> id(x), id(y)
(4376204752, 4376204848)
38 / 216

39. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
>>> x = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
>>> y = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
>>>
>>> x == y, x is y
(True, False)
>>> id(x), id(y)
(4376204752, 4376204848)
>>>
>>> from sys import intern
>>> x, y = intern(x), intern(y)
39 / 216

40. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
>>> x = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
>>> y = """()*YH)(8h3-p24f9h 98u34r-19843u_(*U _%^IG+_"""
>>>
>>> x == y, x is y
(True, False)
>>> id(x), id(y)
(4376204752, 4376204848)
>>>
>>> from sys import intern
>>> x, y = intern(x), intern(y)
>>>
>>> x == y, x is y
(True, True)
>>> id(x), id(y)
(4376204752, 4376204752)
40 / 216

41. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
41 / 216

42. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
Интернирование делает строки синглтонами, то есть для
каждой уникальной строки существует только один
экземпляр.
42 / 216

43. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
Интернирование делает строки синглтонами, то есть для
каждой уникальной строки существует только один
экземпляр.
Происходит автоматически для односимвольных строк.
43 / 216

44. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
Интернирование делает строки синглтонами, то есть для
каждой уникальной строки существует только один
экземпляр.
Происходит автоматически для односимвольных строк.
Происходит автоматически для идентификаторов.
44 / 216

45. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
Интернирование делает строки синглтонами, то есть для
каждой уникальной строки существует только один
экземпляр.
Происходит автоматически для односимвольных строк.
Происходит автоматически для идентификаторов.
Аналогичный механизм используется для чисел от -5 до 256,
эти числа также являются синглтонами.
45 / 216

46. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
Интернирование делает строки синглтонами, то есть для
каждой уникальной строки существует только один
экземпляр.
Происходит автоматически для односимвольных строк.
Происходит автоматически для идентификаторов.
Аналогичный механизм используется для чисел от -5 до 256,
эти числа также являются синглтонами.
В качестве операторов сравнения интернированных строк
можно использовать is и is not, что даст прирост скорости
сравнения.
46 / 216

47. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
The internals of Python string interning
guilload.com/python-string-interning/
47 / 216

48. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
4. "Интернирование" строк / string
interning.
Python string objects implementation
www.laurentluce.com/posts/python-string-objects-implementation/
48 / 216

49. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
49 / 216

50. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
Компенсируем отсутствие case использованием словарей.
50 / 216

51. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
Компенсируем отсутствие case использованием словарей.
Рассмотрим пример:
r = 0
for i in range(10000000):
x = i % 10
if x == 0: pass
elif x == 1: r = r + 1
elif x == 2: r = r + 2
elif x == 3: r = r + 3
elif x == 4: r = r + 4
elif x == 5: r = r + 5
elif x == 6: r = r + 6
elif x == 7: r = r + 7
elif x == 8: r = r + 8
elif x == 9: r = r + 9
51 / 216

52. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
Компенсируем отсутствие case использованием словарей.
Рассмотрим пример:
r = 0
for i in range(10000000):
x = i % 10
if x == 0: pass
elif x == 1: r = r + 1
elif x == 2: r = r + 2
elif x == 3: r = r + 3
elif x == 4: r = r + 4
elif x == 5: r = r + 5
elif x == 6: r = r + 6
elif x == 7: r = r + 7
elif x == 8: r = r + 8
elif x == 9: r = r + 9
Время выполнения: 4.513951063156128
52 / 216

53. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
Теперь пробуем сделать то же самое с помощью словаря.
53 / 216

54. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
Теперь пробуем сделать то же самое с помощью словаря.
dispatch_table = { 0: lambda r: r
, 1: lambda r: r + 1
, 2: lambda r: r + 2
, 3: lambda r: r + 3
, 4: lambda r: r + 4
, 5: lambda r: r + 5
, 6: lambda r: r + 6
, 7: lambda r: r + 7
, 8: lambda r: r + 8
, 9: lambda r: r + 9
}
r = 0
for i in range(10000000):
r = dispatch_table[i % 10](r)
54 / 216

55. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
Теперь пробуем сделать то же самое с помощью словаря.
dispatch_table = { 0: lambda r: r
, 1: lambda r: r + 1
, 2: lambda r: r + 2
, 3: lambda r: r + 3
, 4: lambda r: r + 4
, 5: lambda r: r + 5
, 6: lambda r: r + 6
, 7: lambda r: r + 7
, 8: lambda r: r + 8
, 9: lambda r: r + 9
}
r = 0
for i in range(10000000):
r = dispatch_table[i % 10](r)
Время выполнения: 3.8208770751953125.
55 / 216

56. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
5. "Диспатчинг" вместо каскадов условий /
dispatching
Теперь пробуем сделать то же самое с помощью словаря.
dispatch_table = { 0: lambda r: r
, 1: lambda r: r + 1
, 2: lambda r: r + 2
, 3: lambda r: r + 3
, 4: lambda r: r + 4
, 5: lambda r: r + 5
, 6: lambda r: r + 6
, 7: lambda r: r + 7
, 8: lambda r: r + 8
, 9: lambda r: r + 9
}
r = 0
for i in range(10000000):
r = dispatch_table[i % 10](r)
Время выполнения: 3.8208770751953125.
Таким образом время выполнения снизилось на 15%.
56 / 216

57. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
6. Приведение типов
57 / 216

58. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
6. Приведение типов
>>> from timeit import timeit
>>>
>>> timeit("a = (x >= 3.14)", setup="x = 10", number=100000000)
>>> 8.488232829986373
58 / 216

59. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
6. Приведение типов
>>> from timeit import timeit
>>>
>>> timeit("a = (x >= 3.14)", setup="x = 10", number=100000000)
>>> 8.488232829986373
>>>
>>> timeit("a = (x >= 3.14)", setup="x = 10.0", number=100000000)
>>> 4.145244649000233
59 / 216

60. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
6. Приведение типов
>>> from timeit import timeit
>>>
>>> timeit("a = (x >= 3.14)", setup="x = 10", number=100000000)
>>> 8.488232829986373
>>>
>>> timeit("a = (x >= 3.14)", setup="x = 10.0", number=100000000)
>>> 4.145244649000233
Прирост скорости 51%.
60 / 216

61. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
7. Форматирование строк
In [1]: x = "4827 f245fy24958fu204g9u240gi5 540245t 24590"
In [2]: y = "*() *Y)(u f-934u34 ut20349{)(I 09i 4309it243"
In [3]: z = "p908u54 -98u _(*U -09u 3409340t9i340it-4t-50"
In [4]:
61 / 216

62. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
7. Форматирование строк
In [1]: x = "4827 f245fy24958fu204g9u240gi5 540245t 24590"
In [2]: y = "*() *Y)(u f-934u34 ut20349{)(I 09i 4309it243"
In [3]: z = "p908u54 -98u _(*U -09u 3409340t9i340it-4t-50"
In [4]:
In [5]: %timeit "." + x + ".." + y + "..." + z + "...."
1000000 loops, best of 3: 453 ns per loop
In [6]:
62 / 216

63. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
7. Форматирование строк
In [1]: x = "4827 f245fy24958fu204g9u240gi5 540245t 24590"
In [2]: y = "*() *Y)(u f-934u34 ut20349{)(I 09i 4309it243"
In [3]: z = "p908u54 -98u _(*U -09u 3409340t9i340it-4t-50"
In [4]:
In [5]: %timeit "." + x + ".." + y + "..." + z + "...."
1000000 loops, best of 3: 453 ns per loop
In [6]:
In [7]: %timeit ".{}..{}...{}....".format(x, y, z)
1000000 loops, best of 3: 615 ns per loop
In [8]:
63 / 216

64. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
7. Форматирование строк
In [1]: x = "4827 f245fy24958fu204g9u240gi5 540245t 24590"
In [2]: y = "*() *Y)(u f-934u34 ut20349{)(I 09i 4309it243"
In [3]: z = "p908u54 -98u _(*U -09u 3409340t9i340it-4t-50"
In [4]:
In [5]: %timeit "." + x + ".." + y + "..." + z + "...."
1000000 loops, best of 3: 453 ns per loop
In [6]:
In [7]: %timeit ".{}..{}...{}....".format(x, y, z)
1000000 loops, best of 3: 615 ns per loop
In [8]:
In [9]: %timeit "".join((".", x, "..", y, "...", z, "...."))
1000000 loops, best of 3: 287 ns per loop
In [10]:
64 / 216

65. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
7. Форматирование строк
In [1]: x = "4827 f245fy24958fu204g9u240gi5 540245t 24590"
In [2]: y = "*() *Y)(u f-934u34 ut20349{)(I 09i 4309it243"
In [3]: z = "p908u54 -98u _(*U -09u 3409340t9i340it-4t-50"
In [4]:
In [5]: %timeit "." + x + ".." + y + "..." + z + "...."
1000000 loops, best of 3: 453 ns per loop
In [6]:
In [7]: %timeit ".{}..{}...{}....".format(x, y, z)
1000000 loops, best of 3: 615 ns per loop
In [8]:
In [9]: %timeit "".join((".", x, "..", y, "...", z, "...."))
1000000 loops, best of 3: 287 ns per loop
In [10]: # ???
65 / 216

66. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
7. Форматирование строк
In [1]: x = "4827 f245fy24958fu204g9u240gi5 540245t 24590"
In [2]: y = "*() *Y)(u f-934u34 ut20349{)(I 09i 4309it243"
In [3]: z = "p908u54 -98u _(*U -09u 3409340t9i340it-4t-50"
In [4]:
In [5]: %timeit "." + x + ".." + y + "..." + z + "...."
1000000 loops, best of 3: 453 ns per loop
In [6]:
In [7]: %timeit ".{}..{}...{}....".format(x, y, z)
1000000 loops, best of 3: 615 ns per loop
In [8]:
In [9]: %timeit "".join((".", x, "..", y, "...", z, "...."))
1000000 loops, best of 3: 287 ns per loop
In [10]:
In [11]: %timeit ".{0}..{1}...{2}....".format(x, y, z)
1000000 loops, best of 3: 204 ns per loop
66 / 216

67. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
if x in [1, 2, 3]:
x += 41 + 1
if x in (1, 2, 3):
x += 42
8. Peephole-оптимизация
Какой код выполняется быстрее?
67 / 216

68. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
if x in [1, 2, 3]:
x += 41 + 1
if x in (1, 2, 3):
x += 42
LOAD_NAME (x)
LOAD_CONST ((1, 2, 3))
COMPARE_OP (in)
POP_JUMP_IF_FALSE 25
LOAD_NAME (x)
LOAD_CONST (42)
INPLACE_ADD
STORE_NAME (x)
JUMP_FORWARD (to 25)
LOAD_CONST (None)
RETURN_VALUE
LOAD_NAME (x)
LOAD_CONST ((1, 2, 3))
COMPARE_OP (in)
POP_JUMP_IF_FALSE 25
LOAD_NAME (x)
LOAD_CONST (42)
INPLACE_ADD
STORE_NAME (x)
JUMP_FORWARD (to 25)
LOAD_CONST (None)
RETURN_VALUE
8. Peephole-оптимизация
Какой код выполняется быстрее?
Воспользуемся модулем dis:
68 / 216

69. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
if x in [1, 2, 3]:
x += 41 + 1
if x in (1, 2, 3):
x += 42
LOAD_NAME (x)
LOAD_CONST ((1, 2, 3))
COMPARE_OP (in)
POP_JUMP_IF_FALSE 25
LOAD_NAME (x)
LOAD_CONST (42)
INPLACE_ADD
STORE_NAME (x)
JUMP_FORWARD (to 25)
LOAD_CONST (None)
RETURN_VALUE
LOAD_NAME (x)
LOAD_CONST ((1, 2, 3))
COMPARE_OP (in)
POP_JUMP_IF_FALSE 25
LOAD_NAME (x)
LOAD_CONST (42)
INPLACE_ADD
STORE_NAME (x)
JUMP_FORWARD (to 25)
LOAD_CONST (None)
RETURN_VALUE
8. Peephole-оптимизация
Какой код выполняется быстрее?
Воспользуемся модулем dis:
Байт-код полностью совпадает.
69 / 216

70. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
x = ( 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3 )
8. Peephole-оптимизация
Какой код выполняется быстрее?
x = (1, 2, 3) * 6
.
.
70 / 216

71. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
x = ( 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3 )
8. Peephole-оптимизация
Какой код выполняется быстрее?
LOAD_CONST (( 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
))
STORE_NAME (x)
LOAD_CONST (None)
RETURN_VALUE
LOAD_CONST (( 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
))
STORE_NAME (x)
LOAD_CONST (None)
RETURN_VALUE
x = (1, 2, 3) * 6
.
.
71 / 216

72. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
x = ( 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3 )
8. Peephole-оптимизация
Какой код выполняется быстрее?
LOAD_CONST (( 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
))
STORE_NAME (x)
LOAD_CONST (None)
RETURN_VALUE
LOAD_CONST (( 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
, 1, 2, 3
))
STORE_NAME (x)
LOAD_CONST (None)
RETURN_VALUE
Байт-код снова полностью совпадает.
x = (1, 2, 3) * 6
.
.
72 / 216

73. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
x = ( 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3 )
8. Peephole-оптимизация
Какой код выполняется быстрее?
x = (1, 2, 3) * 7
.
.
.
73 / 216

74. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
x = ( 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3 )
8. Peephole-оптимизация
Какой код выполняется быстрее?
x = (1, 2, 3) * 10 # ???
x = (1, 2, 3) * 7
.
.
.
74 / 216

75. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
x = ( 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3 )
8. Peephole-оптимизация
Какой код выполняется быстрее?
x = (1, 2, 3) * 10 # ???
x = (1, 2, 3) * 100 # ???
x = (1, 2, 3) * 7
.
.
.
75 / 216

76. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
x = ( 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3, 1, 2, 3
, 1, 2, 3 )
8. Peephole-оптимизация
Какой код выполняется быстрее?
x = (1, 2, 3) * 10 # ???
x = (1, 2, 3) * 100 # ???
x = (1, 2, 3) * 1000000 # ???
x = (1, 2, 3) * 7
.
.
.
76 / 216

77. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
sec_in_week = 7 * 24 * 60 * 60 sec_in_week = 604800
8. Peephole-оптимизация
Вы должны понимать, что оптимизации вроде
бесполезны, так как компилятор делает их сам.
77 / 216

78. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
- Другие
микрооптимизации
Примеры других микрооптимизаций
78 / 216

79. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
- Другие
микрооптимизации
Примеры других микрооптимизаций
for i in my_list:
yield i
yield from my_list
79 / 216

80. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
- Другие
микрооптимизации
Примеры других микрооптимизаций
for i in my_list:
yield i
func(1)
func(2)
func(3)
yield from my_list
for i in (1, 2, 3):
func(i)
.
80 / 216

81. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
- Другие
микрооптимизации
Примеры других микрооптимизаций
for i in my_list:
yield i
func(1)
func(2)
func(3)
x if x else y x or y
yield from my_list
for i in (1, 2, 3):
func(i)
.
81 / 216

82. 1. Микро-
оптимизации
- Инструменты
- Замена умножения
сложением
- Замена возведения в
степень умножением
- "Протяжка" констант
- "Интернирование" строк
- "Диспатчинг"
- Приведение типов
- Форматирование строк
- Peephole
- Другие
микрооптимизации
Примеры других микрооптимизаций
for i in my_list:
yield i
func(1)
func(2)
func(3)
x if x else y x or y
x == None
y != None
x is None
y is not None
yield from my_list
for i in (1, 2, 3):
func(i)
.
82 / 216

83. Часть 2
Оптимизации
83 / 216

84. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
Для начала рассмотрим пример, который будем
модифицировать.
84 / 216

85. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
Для начала рассмотрим пример, который будем
модифицировать.
class Test(object):
def __init__(self, x, y, z):
self.x = x
self.y = y
self.z = z
def calc(self, p):
return (self.x + self.y * p) / self.z
85 / 216

86. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
Для начала рассмотрим пример, который будем
модифицировать.
class Test(object):
def __init__(self, x, y, z):
self.x = x
self.y = y
self.z = z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
86 / 216

87. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
Для начала рассмотрим пример, который будем
модифицировать.
class Test(object):
def __init__(self, x, y, z):
self.x = x
self.y = y
self.z = z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
87 / 216

88. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
Для начала рассмотрим пример, который будем
модифицировать.
class Test(object):
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
88 / 216

89. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
Для начала рассмотрим пример, который будем
модифицировать.
class Test(object):
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
Время выполнения данного кода: 5.3768229484558105
89 / 216

90. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
1. Слоты
90 / 216

91. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
1. Слоты
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
91 / 216

92. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
1. Слоты
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
Время выполнения данного кода: 4.434956073760986
92 / 216

93. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
1. Слоты
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
Время выполнения данного кода: 4.434956073760986
Прирост производительности относительно изначального варианта:
17.5%
93 / 216

94. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
1. Слоты
class Test(object):
__slots__ = "x", "y", "z", "__dict__"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
for i in range(10000000):
result += test.calc(i)
Время выполнения данного кода: 4.434956073760986
Прирост производительности относительно изначального варианта:
17.5%
94 / 216

95. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
2. Устраняем поиск метода (lookup)
95 / 216

96. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
2. Устраняем поиск метода (lookup)
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
96 / 216

97. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
2. Устраняем поиск метода (lookup)
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
Время выполнения: 4.027298927307129
97 / 216

98. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
2. Устраняем поиск метода (lookup)
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
Время выполнения: 4.027298927307129
Прирост производительности:
относительно предыдущего варианта: 9.2%
98 / 216

99. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
2. Устраняем поиск метода (lookup)
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
Время выполнения: 4.027298927307129
Прирост производительности:
относительно предыдущего варианта: 9.2%
относительно изначального варианта: 25.1%
99 / 216

100. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
3. Избавляемся от глобальных переменных
100 / 216

101. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
3. Избавляемся от глобальных переменных
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
def run():
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
run()
101 / 216

102. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
3. Избавляемся от глобальных переменных
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
def run():
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
run()
Время выполнения: 3.262315034866333
102 / 216

103. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
3. Избавляемся от глобальных переменных
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
def run():
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
run()
Время выполнения: 3.262315034866333
Прирост производительности:
относительно предыдущего варианта: 19%
103 / 216

104. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
3. Избавляемся от глобальных переменных
class Test(object):
__slots__ = "x", "y", "z"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
def calc(self, p):
return (self.x + self.y * p) / self.z
def run():
result = 0
test = Test(123, 456, 789)
calc = test.calc
for i in range(10000000):
result += calc(i)
run()
Время выполнения: 3.262315034866333
Прирост производительности:
относительно предыдущего варианта: 19%
относительно первого варианта: 39.3%
104 / 216

105. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
4. Используем замыкания
105 / 216

106. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
4. Используем замыкания
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
result = 0
calc = Test(123, 456, 789)
for i in range(10000000):
result += calc(i)
run()
106 / 216

107. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
4. Используем замыкания
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
result = 0
calc = Test(123, 456, 789)
for i in range(10000000):
result += calc(i)
run()
Время выполнения: 2.652660846710205
107 / 216

108. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
4. Используем замыкания
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
result = 0
calc = Test(123, 456, 789)
for i in range(10000000):
result += calc(i)
run()
Время выполнения: 2.652660846710205
Прирост производительности:
относительно предыдущего варианта: 18.7%
108 / 216

109. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
4. Используем замыкания
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
result = 0
calc = Test(123, 456, 789)
for i in range(10000000):
result += calc(i)
run()
Время выполнения: 2.652660846710205
Прирост производительности:
относительно предыдущего варианта: 18.7%
относительно первого варианта: 50.7%
109 / 216

110. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
5. Используем списочную обработку вместо циклов:
map, list comprehensions, sum, и т.п...
110 / 216

111. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
5. Используем списочную обработку вместо циклов:
map, list comprehensions, sum, и т.п...
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789)
result = sum(map(calc, range(10000000)))
run()
111 / 216

112. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
5. Используем списочную обработку вместо циклов:
map, list comprehensions, sum, и т.п...
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789)
result = sum(map(calc, range(10000000)))
run()
Время выполнения: 2.4091830253601074
112 / 216

113. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
5. Используем списочную обработку вместо циклов:
map, list comprehensions, sum, и т.п...
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789)
result = sum(map(calc, range(10000000)))
run()
Время выполнения: 2.4091830253601074
Прирост производительности:
относительно предыдущего варианта: 9.2%
113 / 216

114. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
5. Используем списочную обработку вместо циклов:
map, list comprehensions, sum, и т.п...
def Test(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789)
result = sum(map(calc, range(10000000)))
run()
Время выполнения: 2.4091830253601074
Прирост производительности:
относительно предыдущего варианта: 9.2%
относительно первого варианта: 55.2%
114 / 216

115. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- ????
И вроде бы пора остановится, но...
115 / 216

116. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- ????
И вроде бы пора остановится, но...
Мы ухудшили гибкость и красоту кода, избавившись от ООП.
Хотелось бы сохранить полноценный класс, при этом получив
скорость замыканий.
116 / 216

117. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Замыкания v2
Замыкания в методах класса
117 / 216

118. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Замыкания v2
Замыкания в методах класса
class Test(object):
__slots__ = "x", "y", "z", "calc"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
self.calc = self._calc_gen(x, y, z)
@staticmethod
def _calc_gen(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789).calc
result = sum(map(calc, range(10000000)))
run()
118 / 216

119. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Замыкания v2
Замыкания в методах класса
class Test(object):
__slots__ = "x", "y", "z", "calc"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
self.calc = self._calc_gen(x, y, z)
@staticmethod
def _calc_gen(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789).calc
result = sum(map(calc, range(10000000)))
run()
Время выполнения: 2.4088900089263916
119 / 216

120. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Замыкания v2
Замыкания в методах класса
class Test(object):
__slots__ = "x", "y", "z", "calc"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
self.calc = self._calc_gen(x, y, z)
@staticmethod
def _calc_gen(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789).calc
result = sum(map(calc, range(10000000)))
run()
Время выполнения: 2.4088900089263916
Прирост производительности:
относительно предыдущего варианта: 0%
120 / 216

121. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Замыкания v2
Замыкания в методах класса
class Test(object):
__slots__ = "x", "y", "z", "calc"
def __init__(self, x, y, z):
self.x, self.y, self.z = x, y, z
self.calc = self._calc_gen(x, y, z)
@staticmethod
def _calc_gen(x, y, z):
def calc(p):
return (x + y * p) / z
return calc
def run():
calc = Test(123, 456, 789).calc
result = sum(map(calc, range(10000000)))
run()
Время выполнения: 2.4088900089263916
Прирост производительности:
относительно предыдущего варианта: 0%
относительно первоначального варианта: 55.2%
121 / 216

122. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Замыкания v2
Замыкания в методах класса
class Test(object):
....
def _get_x(self): return self._x
def _get_y(self): return self._y
def _get_z(self): return self._z
def _set_x(self, x):
self._x = x
self.calc = self._calc_gen(x, self._y, self._z)
def _set_y(self, y):
self._y = y
self.calc = self._calc_gen(self._x, y, self._z)
def _set_z(self, z):
self._z = z
self.calc = self._calc_gen(self._x, self._y, z)
x, y, z = ( property(fget=_get_x, fset=_set_x)
, property(fget=_get_y, fset=_set_y)
, property(fget=_get_z, fset=_set_z) )
...
122 / 216

123. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Сравнительный анализ
Сводная таблица с результатами
Описание время пред.* перв.**
Изначальный вариант 5.38
С использованием слотов 4.43 17.5% 17.5%
Вынос поиска метода за цикл 4.03 9.2% 25.1%
Избавление от глобальных переменных 3.26 19.0% 39.3%
Сохранение параметров в замыкании 2.65 18.7% 50.7%
Использование sum и map 2.41 9.2% 55.2%
Замыкания в методах класса 2.41 0% 55.2%
* - прирост производительности относительно предыдущего варианта,
** - относительно первоначального варианта
123 / 216

124. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Сравнительный анализ
- Инструменты
Инструменты и материалы, используемые при
оптимизации
124 / 216

125. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Сравнительный анализ
- Инструменты
Инструменты и материалы, используемые при
оптимизации
Сложность стандартных операций в Python
wiki.python.org/moin/TimeComplexity
125 / 216

126. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Сравнительный анализ
- Инструменты
Инструменты и материалы, используемые при
оптимизации
Сложность операций в Python (подробнее)
www.ics.uci.edu/~pattis/ICS-33/lectures/complexitypython.txt
126 / 216

127. 1. Микро-
оптимизации
2. Оптимизации
- Вступление
- Слоты
- Поиск метода
- Глобальные переменные
- Замыкания
- Списочная обработка
- Сравнительный анализ
- Инструменты
Инструменты и материалы, используемые при
оптимизации
Библиотека big_O
github.com/pberkes/big_O
Позволяет оценивать сложность (в "Big O"-нотации) выполнения
python-кода на основе времени выполнения в зависимости от
входных параметров.
127 / 216

128. Часть 3
"Мегаоптимизации"
128 / 216

129. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Мы будем говорить о манипуляцих с кодом,
кодогенерации и дополнительных инструментах, не
подразумевающих смену платформы.
но, для начала...
129 / 216

130. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Забудьте всё, о чем мы говорили ранее!
130 / 216

131. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Забудьте всё, о чем мы говорили ранее!
131 / 216

132. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Забудьте всё, о чем мы говорили ранее!
132 / 216

133. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Представьте, что все оптимизации,
которые возможно автоматизировать (а
это очень многие) производились бы
автоматически при добавлении всего
нескольких строк кода в ваш проект.
133 / 216

134. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Представьте, что все оптимизации,
которые возможно автоматизировать (а
это очень многие) производились бы
автоматически при добавлении всего
нескольких строк кода в ваш проект.
И давайте порассуждаем на тему статических
оптимизаторов для python.
134 / 216

135. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Статические оптимизаторы
Тезисы:
135 / 216

136. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Статические оптимизаторы
Тезисы:
Позволят автоматически и прозрачно для пользователя
производить над кодом различные оптимизации (в том числе
перечисленные в предыдущих частях презентации), при этом,
не "уродуя" исходный код.
136 / 216

137. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Статические оптимизаторы
Тезисы:
Позволят автоматически и прозрачно для пользователя
производить над кодом различные оптимизации (в том числе
перечисленные в предыдущих частях презентации), при этом,
не "уродуя" исходный код.
Могут быть основаны на анализе и модификации AST и/или
байт-кода.
137 / 216

138. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Статические оптимизаторы
Тезисы:
Позволят автоматически и прозрачно для пользователя
производить над кодом различные оптимизации (в том числе
перечисленные в предыдущих частях презентации), при этом,
не "уродуя" исходный код.
Могут быть основаны на анализе и модификации AST и/или
байт-кода.
Наличие таковых как минимум странно для динамического
языка.
138 / 216

139. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Статические оптимизаторы
Тезисы:
Позволят автоматически и прозрачно для пользователя
производить над кодом различные оптимизации (в том числе
перечисленные в предыдущих частях презентации), при этом,
не "уродуя" исходный код.
Могут быть основаны на анализе и модификации AST и/или
байт-кода.
Наличие таковых как минимум странно для динамического
языка.
Для python их существование невозможно без нарушения
семантики языка.
139 / 216

140. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Статические оптимизаторы
Тезисы:
Позволят автоматически и прозрачно для пользователя
производить над кодом различные оптимизации (в том числе
перечисленные в предыдущих частях презентации), при этом,
не "уродуя" исходный код.
Могут быть основаны на анализе и модификации AST и/или
байт-кода.
Наличие таковых как минимум странно для динамического
языка.
Для python их существование невозможно без нарушения
семантики языка.
Для того, чтобы возможно было их использовать, необходимо
наложить некоторые ограничения на оптимизируемый код.
140 / 216

141. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Статические оптимизаторы
Тезисы:
Позволят автоматически и прозрачно для пользователя
производить над кодом различные оптимизации (в том числе
перечисленные в предыдущих частях презентации), при этом,
не "уродуя" исходный код.
Могут быть основаны на анализе и модификации AST и/или
байт-кода.
Наличие таковых как минимум странно для динамического
языка.
Для python их существование невозможно без нарушения
семантики языка.
Для того, чтобы возможно было их использовать, необходимо
наложить некоторые ограничения на оптимизируемый код.
Пока нет готовых к полноценному использованию
статических оптимизаторов для python.
141 / 216

142. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Ограничения, налагаемые на код при использовании
статического оптимизатора:
142 / 216

143. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Ограничения, налагаемые на код при использовании
статического оптимизатора:
Должно быть очень много тестов, в идеале всё (или почти
всё) должно быть покрыть тестами.
143 / 216

144. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Ограничения, налагаемые на код при использовании
статического оптимизатора:
Должно быть очень много тестов, в идеале всё (или почти всё)
должно быть покрыть тестами.
Не должно быть других модификаторов AST и/или байт-кода.
144 / 216

145. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Ограничения, налагаемые на код при использовании
статического оптимизатора:
Должно быть очень много тестов, в идеале всё (или почти всё)
должно быть покрыть тестами.
Не должно быть других модификаторов AST и/или байт-кода.
Не должно быть динамически исполняемого кода (exec /
eval), влияющих на поток исполнения или состав объектов/
типов.
145 / 216

146. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Ограничения, налагаемые на код при использовании
статического оптимизатора:
Должно быть очень много тестов, в идеале всё (или почти всё)
должно быть покрыть тестами.
Не должно быть других модификаторов AST и/или байт-кода.
Не должно быть динамически исполняемого кода (exec /
eval), влияющих на поток исполнения или состав объектов/
типов.
Остальные ограничения сильно зависят от оптимизаторов и
оптимизаций, в качестве примеров:
146 / 216

147. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Ограничения, налагаемые на код при использовании
статического оптимизатора:
Должно быть очень много тестов, в идеале всё (или почти всё)
должно быть покрыть тестами.
Не должно быть других модификаторов AST и/или байт-кода.
Не должно быть динамически исполняемого кода (exec /
eval), влияющих на поток исполнения или состав объектов/
типов.
Остальные ограничения сильно зависят от оптимизаторов и
оптимизаций, в качестве примеров:
не должно быть подмены стандарных функций, типов и
модулей;
147 / 216

148. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
Ограничения, налагаемые на код при использовании
статического оптимизатора:
Должно быть очень много тестов, в идеале всё (или почти всё)
должно быть покрыть тестами.
Не должно быть других модификаторов AST и/или байт-кода.
Не должно быть динамически исполняемого кода (exec /
eval), влияющих на поток исполнения или состав объектов/
типов.
Остальные ограничения сильно зависят от оптимизаторов и
оптимизаций, в качестве примеров:
не должно быть подмены стандарных функций, типов и
модулей;
не должно быть перегрузки некоторых операторов для
использования со встроенными типами (литералами) *
* Например, сложение с числом какой-либо переменной не должно означать ничего, кроме
сложения с числом
148 / 216

149. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
astoptimizer
Первой известной попыткой создания статического оптимизатора
для python был проект astoptimizer
(pypi.python.org/pypi/astoptimizer).
Проект не был принят сообществом как раз из-за того, что нарушал
семантику кода, например, происходили замены вроде:
len("abc") -> 3,
при этом не учитывалось, что len можно было подменить и тогда
код становился некорректным.
149 / 216

150. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Статический оптимизатор для python, основанный на анализе и
модификации AST.
github.com/Amper/opyum
150 / 216

151. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным:
151 / 216

152. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным:
$ opyum diff example.py --app "ksdiff"
152 / 216

153. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным:
$ opyum diff example.py --app "ksdiff"
153 / 216

154. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным.
Простое использование в нескольких вариантах:
import opyum
opyum.activate()
# other imports
154 / 216

155. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным.
Простое использование в нескольких вариантах:
import opyum
opyum.activate()
# other imports
@opyum.optimize
def function_for_optimize():
...
155 / 216

156. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным.
Простое использование в нескольких вариантах:
import opyum
opyum.activate()
# other imports
@opyum.optimize
def function_for_optimize():
...
with opyum.activate:
# optimized imports
# other imports
156 / 216

157. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным.
Простое использование в нескольких вариантах.
Расширяемость:
import opyum
class MyOptimization(opyum.ASTOptimization):
def visit_Node(self, node):
...
opyum.install(MyOptimization)
opyum.uninstall("CustomConstantPropagation")
157 / 216

158. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Преимущества:
Command-line mode - отображает оптимизированный код на
основе исходного либо формирует diff между исходным.
Простое использование в нескольких вариантах:
Расширяемость.
Автор :)
158 / 216

159. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Недостатки:
159 / 216

160. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Недостатки:
Те же, что и у astoptimizer (нарушение семантики языка).
160 / 216

161. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Недостатки:
Те же, что и у astoptimizer (нарушение семантики языка).
Ужасные-ужасные костыли в коде, которые позволяют
модифицировать байт-код на лету с помощью декораторов и
импорт-хуков.
161 / 216

162. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Недостатки:
Те же, что и у astoptimizer (нарушение семантики языка).
Ужасные-ужасные костыли в коде, которые позволяют
модифицировать байт-код на лету с помощью декораторов и
импорт-хуков.
Неоптимальность (выполняет отдельный проход по AST для
каждой оптмизации).
162 / 216

163. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Недостатки:
Те же, что и у astoptimizer (нарушение семантики языка).
Ужасные-ужасные костыли в коде, которые позволяют
модифицировать байт-код на лету с помощью декораторов и
импорт-хуков.
Неоптимальность (выполняет отдельный проход по AST для
каждой оптмизации).
Py3-only.
163 / 216

164. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Оптимизации, реализованные на текущий момент:
164 / 216

165. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Оптимизации, реализованные на текущий момент:
1. Свертка констант (constant folding).
165 / 216

166. 1. Микро-
оптимизации
2. Оптимизации
3. "Мега-
оптимизации"
Вступление
Статические
оптимизаторы
opyum
Оптимизации, реализованные на текущий момент:
1. Свертка констант (constant folding).
2. Протяжка констант (constant propagation).
166 / 216