Вновь ускоряем CPU-bound задачи (ekbpy 2023)

Slide 1

Slide 1 text

/ Денис Аникин https://xfenix.ru Вновь ускоряем cpu-bound задачи

Slide 2

Slide 2 text

Почему «вновь»? 2

Slide 3

Slide 3 text

Я не буду говорить о специализированных решениях вроде numpy 3

Slide 4

Slide 4 text

Приготовьтесь! Сегодня будет 15 способов ускорить ваш cpu-bound код 4

Slide 5

Slide 5 text

Мы разобъем их на 4 категории 5

Slide 6

Slide 6 text

No content

Slide 7

Slide 7 text

No content

Slide 8

Slide 8 text

Стандартная библиотека

Slide 9

Slide 9 text

Что в комплекте? 9 Тут все довольно банально — multiprocessing! — concurrent.futures

Slide 10

Slide 10 text

10 Пример! from multiprocessing import Pool INPUT_VALUES = (1, 100, 400, 55, 33, 44, 11, 15, 16, 17) PROC_COUNT = 3 CHUNK_PARTS = len(INPUT_VALUES) // PROC_COUNT def _chunks(l, n): for i in range(0, n): yield l[i::n] def run_heavy_task(parts): print(parts) return [item * item for item in parts] def run_example(): answers = [] ready_chunks = _chunks(INPUT_VALUES, CHUNK_PARTS) with Pool(PROC_COUNT) as pool: answers.extend(pool.map(run_heavy_task, ready_chunks)) print(answers) if __name__ == '__main__': run_example()

Slide 11

Slide 11 text

Плюсы и минусы 11 ✅ В комплекте! ✅ Очень очень много всего разного! Например, multiprocessing.connection

Slide 12

Slide 12 text

Плюсы и минусы 12 ✅ В комплекте! ✅ Очень очень много всего разного! Например, multiprocessing.connection ❌ Надо реализовывать вручную ❌ Inter Process Communication ❌ Все минусы конкуретного кода ❌ Непросто ❌ Тяжело поддерживать

Slide 13

Slide 13 text

Категория 1: другие интерпретаторы

Slide 14

Slide 14 text

PyPy

Slide 15

Slide 15 text

https://deavid.wordpress.com/2019/10/12/benchmarking-python-vs-pypy-vs-go-vs-rust/

Slide 16

Slide 16 text

https://codesolid.com/pypy-first-look-a-faster-version-of-python/

Slide 17

Slide 17 text

https://tonybaloney.github.io/posts/pypy-in-production.html

Slide 18

Slide 18 text

Плюсы и минусы 18 ✅ Очень просто!*

Slide 19

Slide 19 text

Плюсы и минусы 19 ✅ Очень просто!* *не всегда ❌ Потребляет много памяти ❌ Далеко не во всех сценариях есть разница в плюс ❌ Специализация на математике (?) ❌ Сторонний интерпретатор ❌ Отстает от Cpython ❌ ABI несовместим == перекомпиляция расширений (full pyston)

Slide 20

Slide 20 text

Pyston

Slide 21

Slide 21 text

We’ve heard many people ask for better Python performance, but our experience seems to say that a full alternative implementation is not a particularly appealing solution to this ask 21 «

Slide 22

Slide 22 text

No content

Slide 23

Slide 23 text

Иными словами pyston 2.3.5 vs python 3.11 ~ 14% разницы 23

Slide 24

Slide 24 text

24 Пример! pip install pyston_lite_autoload

Slide 25

Slide 25 text

Плюсы и минусы 25 ✅ Основная ветка — вроде бы просто ✅ Lite — супер просто!

Slide 26

Slide 26 text

Плюсы и минусы 26 ✅ Основная ветка — вроде бы просто ✅ Lite — супер просто! ❌ Опять сторонний интерпретатор ❌ Форк 3.8 ❌ Не очень большой буст ❌ pyston lite дает еще меньше ❌ Документации нет, примеров нет

Slide 27

Slide 27 text

А стало ли быстрее? 27

Slide 28

Slide 28 text

No content

Slide 29

Slide 29 text

No content

Slide 30

Slide 30 text

О, работает! 30

Slide 31

Slide 31 text

No content

Slide 32

Slide 32 text

Подводим итоги 1 категории (интерпретаторы)

Slide 33

Slide 33 text

Мой выбор — оба хороши 33

Slide 34

Slide 34 text

No content

Slide 35

Slide 35 text

Категория 2: компиляторы

Slide 36

Slide 36 text

MyPyC

Slide 37

Slide 37 text

37 Пример! — pip install mypy — mypyc my_fancy.py

Slide 38

Slide 38 text

Плюсы и минусы 38 ✅ Просто! ✅ Быстро

Slide 39

Slide 39 text

Плюсы и минусы 39 ✅ Просто! ✅ Быстро ❌ Не помогает L

Slide 40

Slide 40 text

Плюсы и минусы 40 ✅ Просто! ✅ Быстро ❌ Не помогает L *не всегда помогает

Slide 41

Slide 41 text

Плюсы и минусы 41 ✅ Просто! ✅ Быстро ✅ Куча плюсов относительно cython ❌ Не помогает L *не всегда помогает

Slide 42

Slide 42 text

Pycom

Slide 43

Slide 43 text

Ссылка 43 Опять без QR https://github.com/Omyyyy/pycom

Slide 44

Slide 44 text

Плюсы и минусы 44 ✅ Относительно просто

Slide 45

Slide 45 text

Плюсы и минусы 45 ✅ Относительно просто ❌ Эффект не ясен ❌ Далеко все можно компилировать ❌ В pip нет ❌ У меня просто не работает. Тикет про range.hpp полгода уже лежит без движения

Slide 46

Slide 46 text

46 А эффект?

Slide 47

Slide 47 text

Codon

Slide 48

Slide 48 text

Полезные ссылки 48 https://github.com/exaloop/codon

Slide 49

Slide 49 text

Typical speedups over Python are on the order of 10-100x or more, on a single thread. Codon's performance is typically on par with (and sometimes better than) that of C/C++. Unlike Python, Codon supports native multithreading, which can lead to speedups many times higher still 49 «

Slide 50

Slide 50 text

Codon is a Python-compatible language, and many Python programs will work with few if any modifications 50 «

Slide 51

Slide 51 text

No content

Slide 52

Slide 52 text

Плюсы и минусы 52 ✅ Очень много возможностей ❌ Другой как бы язык ❌ Опять не для всех кейсов ❌ Есть отдельный пакет-джитилка ❌ Не работающий инсталятор под линукс

Slide 53

Slide 53 text

А стало ли быстрее? 53 Да вроде?

Slide 54

Slide 54 text

No content

Slide 55

Slide 55 text

Nuitka

Slide 56

Slide 56 text

No content

Slide 57

Slide 57 text

57 Пример! — pip install nuitka — python –m nuitka my_fancy_file.py

Slide 58

Slide 58 text

Полезные ссылки 58 — Nuitka the python compiler: https://www.youtube.com/watch?v=ZDHkla5rllg — Nuitka speedcenter: https://speedcenter.nuitka.net/

Slide 59

Slide 59 text

Плюсы и минусы 59 ✅ Просто работает! ✅ Очень легко ✅ Есть в pip ❌ Можно подорваться на ARM/mac m1

Slide 60

Slide 60 text

А стало ли быстрее? 60 Нуу…да?

Slide 61

Slide 61 text

No content

Slide 62

Slide 62 text

Подводим итоги 2 категории (компиляторы)

Slide 63

Slide 63 text

Мой выбор — nuitka 63

Slide 64

Slide 64 text

Категория 3: диалекты

Slide 65

Slide 65 text

Cython

Slide 66

Slide 66 text

No content

Slide 67

Slide 67 text

Что в комплекте? 67 Тут все довольно банально — pip install cython — cythonize my_file.py

Slide 68

Slide 68 text

No content

Slide 69

Slide 69 text

Плюсы и минусы 69 ✅ Контролируемо ✅ Хорошая скорость (иногда, видимо, выдающаяся) ✅ Хорошая документация

Slide 70

Slide 70 text

Плюсы и минусы 70 ✅ Контролируемо ✅ Хорошая скорость (иногда, видимо, выдающаяся) ✅ Хорошая документация ❌ Учить немного другой язык (диалект) ❌ Зависимости при сборке ❌ Более сложная сборка пакетов ❌ Если не знаете C, то сложно использовать ❌ Документации недостаточно, чтобы программировать

Slide 71

Slide 71 text

А стало ли быстрее? 71 Очень даже!111

Slide 72

Slide 72 text

No content

Slide 73

Slide 73 text

PeachPy

Slide 74

Slide 74 text

74 Пример! from peachpy import * from peachpy.x86_64 import * x = Argument(int32_t) y = Argument(int32_t) with Function("Add", (x, y), int32_t) as asm_function: reg_x = GeneralPurposeRegister32() reg_y = GeneralPurposeRegister32() LOAD.ARGUMENT(reg_x, x) LOAD.ARGUMENT(reg_y, y) ADD(reg_x, reg_y) RETURN(reg_x) python_function = asm_function.finalize(abi.detect()).encode().load() print(python_function(2, 2)) # -> prints "4"

Slide 75

Slide 75 text

ASSEMBLER

Slide 76

Slide 76 text

Плюсы и минусы 76 ✅ УэээУээ Прикольно? ✅ Возможно очень быстро

Slide 77

Slide 77 text

Плюсы и минусы 77 ✅ УэээУээ Прикольно? ✅ Возможно очень быстро ❌ IQ 450

Slide 78

Slide 78 text

Typed python

Slide 79

Slide 79 text

Полезные ссылки 79 — https://github.com/APrioriInvestments/typed_python

Slide 80

Slide 80 text

80 Пример! import _base from typed_python import Entrypoint, ListOf @Entrypoint def run_example(): output_buf = ListOf(int)() for one_number in range(100): output_buf.append(one_number * one_number) return output_buf if __name__ == "__main__": _base.run_timeit()

Slide 81

Slide 81 text

No content

Slide 82

Slide 82 text

Плюсы и минусы 82 ✅ Это то, чего я так долго ждал ✅ Статическая типизация в рантайме! ✅ Классные структуры данных!

Slide 83

Slide 83 text

Плюсы и минусы 83 ✅ Это то, чего я так долго ждал ✅ Статическая типизация в рантайме! ✅ Классные структуры данных! ❌ Не работает ❌ Нет документации ❌ Слабая поддержка комьюнити

Slide 84

Slide 84 text

Numba

Slide 85

Slide 85 text

85 Пример! from numba import njit import random @njit def monte_carlo_pi(nsamples): acc = 0 for i in range(nsamples): x = random.random() y = random.random() if (x ** 2 + y ** 2) < 1.0: acc += 1 return 4.0 * acc / nsamples

Slide 86

Slide 86 text

Плюсы и минусы 86 ✅ Ускоряет?

Slide 87

Slide 87 text

Плюсы и минусы 87 ✅ Ускоряет? ✅ JIT!? ❌ Другой как бы язык ❌ Не для каждого кейса

Slide 88

Slide 88 text

А стало ли быстрее? 88 Вполне! И это мои так себе примеры без использования диалекта…

Slide 89

Slide 89 text

Taichi

Slide 90

Slide 90 text

Пример 90 import taichi as ti import taichi.math as tm ti.init(arch=ti.gpu) n = 320 pixels = ti.field(dtype=float, shape=(n * 2, n)) @ti.func def complex_sqr(z): # complex square of a 2D vector return tm.vec2(z[0] * z[0] - z[1] * z[1], 2 * z[0] * z[1]) @ti.kernel def paint(t: float): for i, j in pixels: # Parallelized over all pixels c = tm.vec2(-0.8, tm.cos(t) * 0.2) z = tm.vec2(i / n - 1, j / n - 0.5) * 2 iterations = 0 while z.norm() < 20 and iterations < 50: z = complex_sqr(z) + c iterations += 1 pixels[i, j] = 1 - iterations * 0.02 gui = ti.GUI("Julia Set", res=(n * 2, n)) for i in range(1000000): paint(i * 0.03) gui.set_image(pixels) gui.show()

Slide 91

Slide 91 text

Плюсы и минусы 91 ✅ Вроде бы работает ✅ Быстро? ✅ Много вариантов (gpu, cpu и т.п.)

Slide 92

Slide 92 text

Плюсы и минусы 92 ✅ Вроде бы работает ✅ Быстро? ✅ Много вариантов (gpu, cpu и т.п.) ❌ Опять arm? ❌ Могли бы написать про зависимость от zstd ❌ Не для каждого cpu bound кейса ❌ Другой как бы язык

Slide 93

Slide 93 text

А стало ли быстрее? 93 Нуу…

Slide 94

Slide 94 text

Подводим итоги 3 категории (диалекты)

Slide 95

Slide 95 text

Мой выбор — cython + taichi + numba 95

Slide 96

Slide 96 text

No content

Slide 97

Slide 97 text

Категория 4: другие языки (совсем)

Slide 98

Slide 98 text

Slide 99

Slide 99 text

No content

Slide 100

Slide 100 text

Полезные ссылки 100 — https://docs.python.org/3/extending/extending.html

Slide 101

Slide 101 text

No content

Slide 102

Slide 102 text

Плюсы и минусы 102 ✅ А? ✅ Быстро!

Slide 103

Slide 103 text

Плюсы и минусы 103 ✅ А? ✅ Быстро! ❌ С ❌ Сборка L ❌ Сборка L L

Slide 104

Slide 104 text

Подводим итоги 3 категории (диалекты)

Slide 105

Slide 105 text

Мой выбор — taichi и cython! 105

Slide 106

Slide 106 text

Gopy

Slide 107

Slide 107 text

107 Пример! $ go mod init dummy.com/dum $ go get github.com/go-python/gopy/_examples/hi $ gopy build -output=out -vm=python3 github.com/go-python/gopy/_examples/hi

Slide 108

Slide 108 text

Плюсы и минусы 108 ✅ Удобно и быстро ❌ Рантайм го ❌ Другой язык ❌ Сборка!

Slide 109

Slide 109 text

Maturin

Slide 110

Slide 110 text

No content

Slide 111

Slide 111 text

111 Пример! pip install maturin

Slide 112

Slide 112 text

No content

Slide 113

Slide 113 text

Плюсы и минусы 113 ✅ Это очень быстро ✅ Это модно

Slide 114

Slide 114 text

Плюсы и минусы 114 ✅ Это очень быстро ✅ Это модно ❌ Сложный язык ❌ Много мета-информации ❌ Сборка!1!1

Slide 115

Slide 115 text

А стало ли быстрее? 115 Нуу…

Slide 116

Slide 116 text

Подводим итоги 4 категории (другие языки)

Slide 117

Slide 117 text

Мой выбор — gopy 117

Slide 118

Slide 118 text

Сводим вместе!

Slide 119

Slide 119 text

Я этого любителя в экселе видал! Плохие таблицы составляет!

Slide 120

Slide 120 text

Решение Из кого выбирал Финалист Интерпретаторы PyPy, Pyston PyPy + Pyston lite Компиляторы MypyC, PyСom, Codon, Nuitka Nuitka Диалекты Cython, Numba, Taichi, PeachPy, Typed python Cython + Taichi + Numba Другие языки C, Gopy, Maturin (Rust) Gopy Выбираем финалистов

Slide 121

Slide 121 text

Послесловие

Slide 122

Slide 122 text

No content

Slide 123

Slide 123 text

No content

Slide 124

Slide 124 text

No content

Slide 125

Slide 125 text

No content

Slide 126

Slide 126 text

Немного performance специализированных библиотек (я хотел сделать вид, что знаю не только NumPy) Совсем уже напоследок 127 — Ruff — Polars — Robyn

Slide 127

Slide 127 text

Адрес репы, где есть презентация 128 https://github.com/xfenix/ekbpy2023

Slide 128

Slide 128 text

No content

Slide 129

Slide 129 text

/ Спасибо 130 https://xfenix.ru https://github.com/xfenix https://www.linkedin.com/in/xfenix/