Python 3.13 में JIT जोड़ा गया

 (tonybaloney.github.io)
8 पॉइंट द्वारा GN⁺ 2024-01-10 | 1 टिप्पणियां | WhatsApp पर शेयर करें

Python 3.13 में JIT compiler जोड़ा गया

  • CPython core developer Brandt Bucher ने Python 3.13 branch में JIT compiler जोड़ने के लिए एक pull request submit किया है.
  • यह बदलाव, Python 3.11 में जोड़े गए specialized adaptive interpreter के बाद, CPython interpreter में सबसे बड़े बदलावों में से एक होगा.

JIT क्या है?

  • JIT (Just in Time) compilation ऐसी design को संदर्भित करती है जिसमें code के पहली बार चलने पर compilation होता है.
  • JIT compiler वह compiler होता है जो machine code बनाता है, और यह AOT (Ahead of Time) compiler के विपरीत है.
  • Python code पहले bytecode में compile होता है, और यह bytecode CPU के लिए अपने-आप में अर्थहीन होता है तथा एक विशेष bytecode interpreter loop के जरिए execute होता है.

copy-and-patch JIT क्या है?

  • copy-and-patch JIT 2021 में प्रस्तावित एक अवधारणा है, जिसे dynamic language runtime के लिए एक तेज algorithm के रूप में design किया गया था.
  • copy-and-patch JIT का विचार यह है कि हर instruction के लिए निर्देशों को copy किया जाए और bytecode arguments को भरा जाए (patch किया जाए).

copy-and-patch JIT के फायदे और नुकसान

  • जहाँ "पूर्ण" JIT compiler high-level bytecode को intermediate language (IL) के low-level instructions में compile करता है, वहीं copy-and-patch JIT bytecode से machine code में compilation को templates के एक set के जरिए करता है.
  • copy-and-patch JIT में Python runtime के भीतर किसी जटिल JIT compiler architecture को चलाने की जरूरत नहीं होती, और केवल उस machine पर LLVM JIT tools install करने होते हैं जहाँ source से CPython compile किया जा रहा हो.

यह JIT कैसे काम करता है?

  • Python 3.13 के API में नए जोड़े गए API का विस्तार किया गया है ताकि pluggable optimizers को runtime पर खोजा जा सके.
  • नया JIT इस नई architecture के लिए एक optional optimizer है.
  • source से CPython compile करते समय --enable-experimental-jit flag देने पर Python bytecode के लिए machine code templates generate किए जाते हैं.

क्या यह JIT तेज है?

  • शुरुआती benchmarks लगभग 2-9% performance improvement दिखाते हैं.
  • यह JIT उन optimizations की एक श्रृंखला की आधारशिला है जो Python की performance को काफी बढ़ा सकती हैं.

GN⁺ की राय

  • Python 3.13 में जोड़ा गया JIT compiler, Python की execution speed को बेहतर बनाने वाला एक महत्वपूर्ण बदलाव है, खासकर repetitive tasks के लिए इसकी efficiency बढ़ा सकता है.
  • copy-and-patch JIT, उपयोगकर्ता के Python runtime में जटिल JIT architecture को integrate किए बिना performance सुधारने का एक अभिनव तरीका पेश करता है.
  • यह तकनीक Python community के लिए दिलचस्प चर्चा का विषय बनेगी और उम्मीद है कि यह Python performance optimization के नए रास्ते खोलेगी.

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2024-01-10
Hacker News राय
  • सॉफ़्टवेयर versions के बीच 2-9% performance improvement दिलचस्प है। ऐसे छोटे improvements कभी-कभी निराशाजनक लग सकते हैं, लेकिन उनका लगातार जमा होना और हर version का पिछले से तेज़ होना मुझे पसंद है।
  • यह बढ़िया है कि Haoran Xu और Fredrik Kjolstad की 'copy-and-patch' तकनीक ध्यान खींच रही है। इसके बारे में पहली बार Xu के LuaJIT remake project के blog post के ज़रिए जाना था। मौजूदा तकनीक को फिर से इस्तेमाल करके कुछ नया बनाना बहुत चतुर लगता है। वह blog post language implementation सीखना चाहने वालों के लिए भी recommended है। साथ ही, Xu ने बताया कि blog updates देर से आने की वजह backend का rework था।
  • Brandt ने पिछले साल CPython core developer sprint में इस विषय पर presentation दी थी।
  • PyPy, Jython, GraalPy, IronPython पर हुए काम के बावजूद, CPython में JIT जुड़ना Python ecosystem के लिए एक महत्वपूर्ण प्रगति माना जा रहा है। खास तौर पर 3.13 version के बाद इसकी आगे की evolution को लेकर उत्सुकता है।
  • मैं web development को छोड़कर लगभग हर चीज़ के लिए Python इस्तेमाल करता हूँ, इसलिए अगर performance बेहतर होती है तो यह बहुत सकारात्मक है। Python ecosystem, CGI या mod_php जैसे stateless requests से आगे बढ़कर long-running processes की ओर चला गया है। इसका मतलब यह भी हो सकता है कि local web application में बदलाव करने पर हर बार restart करना पड़े, इसलिए कुछ developers file save होने पर application को अपने-आप restart करने के तरीके इस्तेमाल करते हैं।
  • याद है कि CPython का विचार codebase को बहुत सरल रखना था, और optimization का काम दूसरी implementations पर छोड़ना था।
  • लेख में 'copy-and-patch' JIT को नया बताया गया है, लेकिन याद है कि DOS का QuickBASIC भी कुछ ऐसा ही तरीका इस्तेमाल करता था। QuickBASIC memory के भीतर template assembly blocks को patch करके बहुत खराब assembly code बनाता था।
  • पिछले 2 साल में Python performance में हुई प्रगति चौंकाने वाली है। core team ने performance improvement को गंभीर लक्ष्य बनाया है और स्पष्ट सुधार हासिल किए हैं।
  • काश PyPy को funding मिलती। लेकिन छोटे programs में PyPy का fast startup time इतना अच्छा नहीं है, इसलिए बड़ा फ़ायदा नहीं दिखता। और बड़े programs में compatibility issues काफ़ी जटिल हो सकते हैं। अगर CPython का JIT ज़्यादा reliable हो या उसका startup time तेज़ हो, तो यह कुछ समस्याएँ हल कर सकता है।
  • Python की GitHub repository में 'क्रिसमस से एक रात पहले' की पैरोडी वाला PR message काफ़ी witty है।