डिपमाइन्ड ओपन सोर्सेस S6, CPython को लागि JIT कम्पाइलर लाइब्रेरी

आर्टिफिसियल इन्टेलिजेन्समा काम गर्ने कम्पनी DeepMind ले S6 परियोजनालाई ओपन-सोर्स गरेको छ, जसले पाइथनको लागि JIT कम्पाइलर विकास गरेको छ। यो परियोजना यसको डिजाइनको लागि उल्लेखनीय छ जुन नेटिभ CPython सँग एकीकृत हुन्छ, CPython सँग पूर्ण अनुकूलता सुनिश्चित गर्दछ र दोभाषे कोडमा कुनै परिमार्जन आवश्यक पर्दैन। यो परियोजना २०१९ देखि विकासमा थियो, तर दुर्भाग्यवश, यो बन्द गरिएको थियो र अब विकास भइरहेको छैन। सिर्जना गरिएको काम पाइथन सुधार गर्न उपयोगी हुन सक्ने भएकोले, यसलाई ओपन-सोर्स गर्ने निर्णय गरिएको थियो। JIT कम्पाइलर कोड C++ मा लेखिएको छ, CPython ३.७ मा आधारित छ, र Apache २.० लाइसेन्स अन्तर्गत इजाजतपत्र प्राप्त छ।

यसले समाधान गर्ने कार्यहरूको सन्दर्भमा, पाइथनको लागि S6 लाई जाभास्क्रिप्टको लागि V8 इन्जिनसँग तुलना गरिएको छ। पुस्तकालयले अवस्थित ceval.c बाइटकोड इन्टरप्रेटर ह्यान्डलरलाई यसको आफ्नै कार्यान्वयनले प्रतिस्थापन गर्दछ, जसले कार्यान्वयनलाई गति दिन जस्ट-इन-टाइम (JIT) संकलन प्रयोग गर्दछ। S6 ले हालको प्रकार्य पहिले नै कम्पाइल गरिएको छ कि छैन भनेर जाँच गर्दछ र, यदि त्यसो हो भने, कम्पाइल गरिएको कोड कार्यान्वयन गर्दछ। यदि होइन भने, यसले CPython इन्टरप्रेटर जस्तै, बाइटकोड व्याख्या मोडमा प्रकार्य चलाउँछ। व्याख्याको क्रममा, प्रशोधन भइरहेको प्रकार्यसँग सम्बन्धित कार्यान्वयन गरिएका निर्देशनहरू र कलहरूको संख्या गणना गरिन्छ। निश्चित थ्रेसहोल्डमा पुगेपछि, बारम्बार कार्यान्वयन गरिएको कोडलाई गति दिन संकलन प्रक्रिया सुरु गरिन्छ। संकलन स्ट्रङ्गजिट मध्यवर्ती प्रतिनिधित्वमा हुन्छ, जुन, अनुकूलन पछि, asmjit पुस्तकालय प्रयोग गरेर लक्षित प्रणालीको लागि नेटिभ मेसिन निर्देशनहरूमा रूपान्तरण हुन्छ।

कार्यभारमा निर्भर गर्दै, S6 ले, इष्टतम परिस्थितिहरूमा, मानक CPython भन्दा ९.५ गुणा छिटो बेन्चमार्क कार्यान्वयन प्रदर्शन गर्दछ। रिचर्ड्स बेन्चमार्क सुइटको १०० पुनरावृत्तिहरू चलाउँदा ७ गुणा गति बढ्छ, जबकि Raytrace बेन्चमार्क चलाउँदा, जसमा व्यापक गणितीय गणनाहरू समावेश छन्, ३-४.५ गुणा गति बढ्छ।

S6 सँग अप्टिमाइज गर्न गाह्रो हुने कार्यहरूमा C API प्रयोग गर्ने परियोजनाहरू, जस्तै NumPy, र धेरै मानहरूको प्रकार जाँच आवश्यक पर्ने अपरेशनहरू समावेश छन्। S6 ले स्वामित्व, अप्टिमाइज नगरिएको पाइथन इन्टरप्रिटरको प्रयोगको कारणले गर्दा स्रोत-गहन प्रकार्यहरूको एकल कलहरूको लागि कम प्रदर्शन पनि अवलोकन गरिएको छ (विकास अझै व्याख्या गरिएको मोड अनुकूलन गर्ने चरणमा पुगेको छैन)। उदाहरणका लागि, अनप्याक अनुक्रम परीक्षणमा, जसले एरे/टपल्सका ठूला सेटहरू अनप्याक गर्दछ, एकल कल ५ गुणासम्म ढिलो हुन्छ, जबकि चक्रीय कलले CPython भन्दा ०.९७ गुणा ढिलो प्रदर्शनमा परिणाम दिन्छ।

स्रोत: opennet.ru