Python 猫注： 在往年 5 月的 Python 语言峰会上，Guido van Rossum 作了一场《Making CPython Faster》的分享（资料在此），宣告他退出了激动人心的“香农打算”，旨在 4 年内晋升 Python 性能至 5 倍。近日，Guido 上了一档英文播客节目（时长 30 分钟），议论了他正在做的与高性能相干的工作，解答了几个问题。播客作者整顿了一份内容纪要，本文是对该纪要的翻译。注：文末有音频及文稿下载
作者：Software at Scale
译者：豌豆花下猫 @Python 猫
原文：https://www.softwareatscale.d…
1、为什么你会对钻研 Python 的性能感兴趣？
Guido：在某种意义上，它对我来说是一个绝对难受的话题，因为这意味着与 Python 的外围打交道，而我对这方面还算相熟。当我在微软工作时，我曾短暂地关注过 Azure，但我意识到我在谷歌或 Dropbox 时就不喜爱这类工作。而后我关注了机器学习，但这须要花很多工夫来做一些与 Python 无关的事件，甚至它与 Python 相干的局部就很少。
2、Mark Shannon 对于 Python 性能的那些想法有何不同，怎么能压服你去实现它们的呢？
Guido：我喜爱他思考问题的形式。大多数其它聚焦于 Python 性能的办法，如 PyPy 和 Cinder，并不适用于所有的应用场景，因为它们不能向后兼容扩大模块。Mark 具备 CPython 开发者的视角和教训，并且有一种可行的办法来维持向后兼容性，这是最难解决的问题。Python 的字节码解释器常常要在小版本之间（例如 3.8→3.9）进行批改，起因有很多，比方新的操作码，所以批改它是一种绝对平安的计划。
3、你能给咱们解释一下 Python 解释器的分层执行的概念么？
Guido：当执行一个程序时，你不晓得它会在运行了几分之一毫秒后解体，还是会继续运行三周工夫。因为对于同一份代码，在第一种状况下，它可能触发了一个 bug。如果运行程序须要三周工夫，兴许提前半小时优化所有待运行的代码是有意义的。
但很显著，特地是在像 Python 这样的动静语言中，咱们尽可能多地做，而不要求用户通知咱们他们到底须要怎么做，你只是想尽快开始执行代码。所以，如果有一个小脚本，或者一个大程序，它碰巧执行失败了或者因为某些起因提前退出了，你就不必破费工夫去优化全副的代码了。
所以，咱们要做的就是放弃字节码编译器的简单化，以便能尽快地开始执行代码。如果有某些函数被屡次执行，那么咱们就称其为 hot 函数。“hot”存在多种定义。在某些状况下，如果一个函数被调用超过一次，或者超过两次，或者超过 10 次，那么它被定义成一个热门函数。而在其它激进的状况下，你可能说“只有被调用 1000 次才算 hot”。
而后，当参数的类型是某些特定类型时，专门化的自适应编译器（PEP-659 Specializing Adaptive Compiler）会尝试用更快的字节码来替换某些字节码。一个简略的假想的例子是 Python 中的加号运算符，它能够令很多对象相加，比方整数、字符串、列表，甚至元组。然而，你不能将整数与字符串相加。
因而，优化的办法就是提供一个独自的“两个整数相加”的字节码，它是一个对用户暗藏的第二层字节码。（“优化”通常被称为减速 quickening，但个别在咱们的语境中，咱们称之为专门化 specializing）。这个操作码假如它的两个参数都是真正的 Python 整型对象，间接读取这些对象的值，并在机器寄存器中将这些值相加，最初将后果推回堆栈。
两个整数相加的操作依然须要对参数进行类型查看。因而，它不是齐全不受约束的，但这种类型查看相比于齐全泛化的面向对象的加号操作，前者在实现上要快得多。
最初，有可能一个函数被整型参数调用了数百万次，而后忽然一小段代码用浮点型参数调用它，或者呈现更糟的状况。此时，解释器会间接执行原始的字节码。这是一个重要的局部，让你始终能失去残缺的 Python 语义。
Python 猫注：“香农打算”的最终目标是将解释器的执行过程分层，并对不同层做出定制的优化。详情请查阅 Github 我的项目的介绍（https://github.com/markshannon/faster-cpython/blob/master/tiers.md）。
4、通常你会在谈 JIT（Just-In-Time）编译器时听到这些技术，但官网 Python 当初还没有实现。
Guido：即时编译的计划有一大堆咱们想要防止的情感包袱。比方，咱们不分明到底编译什么，以及什么时候编译。在程序开始执行之前，解释器将源代码编译成字节码，而后，再将字节码转换为专门的字节码。这意味着，所有的事件都在运行时的某个时刻产生，那么，哪个局部是所谓的即时（Just-In-Time）呢？
另外，人们通常认为 JIT 会主动地使所有代码变得更好。可怜的是，你通常无奈真正地预测代码的性能。因为有古代的 CPU 和它们神奇的分支预测，咱们曾经领有了足够的性能。例如，咱们以一种本认为可能显著缩小内存拜访次数的形式，编写了一份代码。然而，当对它进行基准测试时，咱们发现它的运行速度与旧的未优化代码一样快，因为 CPU 在没有咱们任何帮忙的状况下，计算出了优化的拜访模式。我心愿我晓得古代 CPU 在分支预测和内联缓存方面做了什么，因为这就像是魔法个别。
残缺内容
以上就是播客节目纪要的翻译。更多残缺的对话内容，以及对话音频，我已保留好了。你如果感兴趣的话，请在 Python 猫 公众号里发送数字“1030”，即可获取下载链接。