DeepMind Open Sources S6, JIT კომპილატორების ბიბლიოთეკა CPython-ისთვის

ხელოვნური ინტელექტის სფეროში განვითარებით ცნობილმა კომპანია DeepMind-მა გახსნა S6 პროექტის საწყისი კოდი, რომელმაც შეიმუშავა JIT კომპილატორი Python-ის ენისთვის. პროექტი საინტერესოა თავისი დიზაინით, როგორც გაფართოების ბიბლიოთეკა, რომელიც ინტეგრირდება სტანდარტულ CPython-თან, უზრუნველყოფს სრულ თავსებადობას CPython-თან და არ საჭიროებს ინტერპრეტატორის კოდის მოდიფიკაციას. პროექტი 2019 წლიდან მუშავდება, მაგრამ სამწუხაროდ შემცირებულია და აღარ მუშავდება. რადგან შექმნილი განვითარებები შეიძლება სასარგებლო იყოს Python-ის გასაუმჯობესებლად, გადაწყდა საწყისი კოდის გახსნა. JIT კომპილატორის კოდი დაწერილია C++-ში, CPython 3.7-ზე დაყრდნობით და ღიაა Apache 2.0 ლიცენზიით.

ამოცანების გადაჭრის თვალსაზრისით, Python-ისთვის განკუთვნილი S6 შედარებულია JavaScript-ის V8 ძრავასთან. ბიბლიოთეკა ცვლის არსებულ ceval.c bytecode ინტერპრეტატორის დამმუშავებელს საკუთარი იმპლემენტაციით, რომელიც იყენებს JIT კომპილაციას შესრულების დასაჩქარებლად. S6 ამოწმებს, უკვე კომპილირებულია თუ არა მიმდინარე ფუნქცია და, თუ ასეა, ასრულებს კომპილირებულ კოდს, ხოლო თუ არა, ასრულებს ფუნქციას bytecode ინტერპრეტაციის რეჟიმში, CPython ინტერპრეტატორის მსგავსად. ინტერპრეტაციის დროს, დათვლილია შესრულებული ინსტრუქციების და დამუშავებულ ფუნქციასთან დაკავშირებული გამოძახებების რაოდენობა. გარკვეული ზღურბლის მიღწევის შემდეგ, იწყება კომპილაციის პროცესი ხშირად შესრულებული კოდის დასაჩქარებლად. კომპილაცია ხორციელდება strongjit შუალედურ წარმოდგენაში, რომელიც, ოპტიმიზაციის შემდეგ, გარდაიქმნება სამიზნე სისტემის მანქანურ ინსტრუქციებად asmjit ბიბლიოთეკის გამოყენებით.

დატვირთვის ბუნებიდან გამომდინარე, S6 აჩვენებს ტესტის შესრულების 9.5-ჯერ მეტ სიჩქარეს ოპტიმალურ პირობებში, ჩვეულებრივ CPython-თან შედარებით. რიჩარდსის ტესტების ნაკრების 100 იტერაციის გაშვებისას შეინიშნება 7-ჯერადი აჩქარება, ხოლო Raytrace ტესტის გაშვებისას, რომელიც შეიცავს მათემატიკური გამოთვლების დიდ რაოდენობას, შეინიშნება 3-4.5-ჯერადი აჩქარება.

S6-ით ოპტიმიზაციისთვის რთულ ამოცანებს შორისაა C API-ის გამოყენებით პროექტები, როგორიცაა NumPy, და ოპერაციები, რომლებიც მოითხოვს დიდი რაოდენობის მნიშვნელობების ტიპების შემოწმებას. დაბალი შესრულება ასევე შეინიშნება რესურსების ინტენსიური ფუნქციების ერთჯერადი გამოძახებებისთვის, რაც გამოწვეულია Python-ის ინტერპრეტატორის S6-ის საკუთარი არაოპტიმიზებული იმპლემენტაციით (შემუშავება ჯერ არ მიუღწევია ინტერპრეტაციის რეჟიმის ოპტიმიზაციის ეტაპამდე). მაგალითად, Unpack Sequence ტესტში, რომელიც ხსნის მასივების/ტუპლების დიდ ნაკრებებს, ერთი გამოძახება 5-ჯერ ანელებს და ციკლური გამოძახებით, შესრულება CPython-ის 0.97-ია.

წყარო: opennet.ru