DeepMind קוד פתוח S6, ספריות עם יישום מהדר JIT עבור CPython

DeepMind, הידועה בפיתוחיה בתחום הבינה המלאכותית, פתחה את קוד המקור של פרויקט S6, שפיתח מהדר JIT לשפת Python. הפרויקט מעניין מכיוון שהוא תוכנן כספריית הרחבה המשתלבת עם CPython הסטנדרטי, מה שמבטיח תאימות מלאה ל-CPython ואינו מצריך שינוי בקוד המתורגמן. הפרויקט מתפתח מאז 2019, אך למרבה הצער הוא הופסק ואינו מתפתח יותר. מכיוון שהפיתוחים שנוצרו עשויים להיות שימושיים לשיפור Python, הוחלט לפתוח את הקוד בקוד. קוד המהדר JIT כתוב ב-C++ ומבוסס על CPython 3.7. והוא בקוד פתוח תחת רישיון Apache 2.0.

מבחינת המשימות שהוא יכול לפתור, S6 עבור Python משווה למנוע V8 עבור JavaScript. הספרייה מחליפה את המטפל הקיים ב-bytecode ceval.c ביישום משלה שמשתמש בהידור JIT כדי להאיץ את הביצוע. S6 בודק האם הפונקציה הנוכחית כבר קומפילה, ואם כן, מבצעת את הקוד המהודר, ואם לא, מפעילה את הפונקציה במצב פירוש bytecode, בדומה למפרשן CPython. במהלך הפרשנות, נספר מספר ההוראות והשיחות המבוצעות הקשורות לפונקציה המעובדת. לאחר הגעה לאבן דרך מסוימת, מתחיל תהליך קומפילציה כדי להאיץ את הקוד המבוצע בתדירות גבוהה. הקומפילציה מתבצעת לייצוג strongjit ביניים, אשר, לאחר אופטימיזציה, מומר להוראות מכונה של מערכת היעד באמצעות ספריית asmjit.

בהתאם לאופי עומס העבודה, S6 בתנאים אופטימליים מדגים עלייה במהירות ביצוע הבדיקה של עד פי 9.5 בהשוואה ל-CPython רגיל. כאשר מריצים 100 איטרציות של חבילת הבדיקות של ריצ'רדס, נצפה מהירות של פי 7, וכאשר מריצים את מבחן Raytrace, הכולל כמות גדולה של חישובים מתמטיים, נצפה מהירות של פי 3-4.5.

בין המשימות שקשה לבצע אופטימיזציה באמצעות S6 ניתן למצוא פרויקטים המשתמשים ב-C API, כמו NumPy, וכן פעולות הקשורות לצורך בבדיקת סוגי מספר רב של ערכים. ביצועים נמוכים נצפים גם עבור קריאות בודדות של פונקציות עתירות משאבים עקב השימוש ביישום לא אופטימלי של S6 עצמו של מתורגמן Python (הפיתוח לא הגיע לשלב של אופטימיזציה של מצב הפירוש). למשל, במבחן Unpack Sequence, המפרק סטים גדולים של מערכים/טופלים, בקריאה בודדת יש האטה של ​​עד פי 5, ובקריאה מחזורית הביצועים הם 0.97 מ-CPython.

מקור: OpenNet.ru