自從深度學習興起以來，Python 一直是最熱門的程式語言之一，它在數據科學和機器學習領域占主導地位，甚至是科學和數學計算領域的主角。如今你能想像的任何項目，幾乎都可以找到一個對應的 Python 套件。
然而，儘管高階語言的簡化語法使其易於學習和使用，但和 C 或 C 等低階語言相比，它的速度更慢。
麻省理工學院計算機科學與人工智慧實驗室（CSAIL）的研究人員希望透過Codon 來改變這一現狀，Codon 是一種基於Python 的編譯器，允許用戶編寫與C 或C 程式一樣高效運行的Python 程式碼，同時可以客製化和適應不同的需求和環境。
該研究的最新論文《Codon: A Compiler for High-Performance Pythonic Applications and DSLs》發表在了 2 月的第 32 屆 ACM SIGPLAN 編譯器建構國際會議上。
##在開發工作中，人們需要使用編譯器將原始碼轉換為可由電腦處理器執行的機器碼，Codon 能幫助開發者在Python 中創建新的領域特定語言（DSL），同時仍獲得其他語言的效能優勢。
「常規Python 會被編譯成所謂的字節碼，該字節碼在虛擬機器中執行，這就會讓速度慢上很多，」Codon 論文的主要作者Ariya Shajii 表示，「透過Codon，我們則進行本地編譯，因此你可以直接在CPU 上執行最終結果—— 不經過中間虛擬機器或解釋器。」
##Codon 的編譯管道包括類型檢查，使其能夠更有效率地運行Python 程式碼。
基於 Python 的編譯器帶有適用於 Linux 和 macOS 的預先建置二進位文件，你也可以從原始碼建置或產生可執行檔。 「使用 Codon，你可以像 Python 一樣分發原始碼，或者你可以將它編譯成二進位文件，」Shajii 說。 「如果你想分發一個二進位文件，它將與像C 這樣的語言一樣，例如一個Linux 二進位檔案或一個Mac 二進位檔案。」
為了讓Codon 更快，研究人員決定在編譯時執行類型檢查。類型檢查涉及將資料類型（例如整數、字串、字元或浮點數等）指派給值。例如數字 5 可以分配為整數，字母 c 可以分配為字符，單詞 hello 可以分配為字串，十進制數 3.14 可以分配為浮點數。
「在常規 Python 中，所有類型都給了 runtime，」Shajii 介紹道。 「使用Codon，我們在編譯過程中進行類型檢查，這讓我們避免了在runtime 進行所有昂貴的類型操作。」
MIT CSAIL 首席研究員Saman Amarasinghe 補充說，「如果你有動態語言（例如Python），每次你有一些數據時，你都需要在它周圍保留很多額外的元數據，以確定runtime 的類型。Codon 取消了這種元數據，因此程式碼速度更快，資料更小。」
根據Shajii 的說法，Codon 在運行時沒有任何不必要的資料或類型檢查，所以開銷為零。在性能方面，「Codon 通常與C 不相上下。與Python 相比，我們通常看到的是10 到100 倍的速度改進。」
##另一方面，Codon的方法有其權衡。 「我們進行這種靜態類型檢查，並且不允許使用 Python 的一些動態特性，例如在 runtime 動態更改類型，」Shajii 表示。「還有一些Python 庫我們還沒有實現。」Amarasinghe 補充說，「Python 已經過無數人的實際測試，而Codon 還沒有達到那樣的水平，它需要運行更多的程序，獲得更多的回饋，並加固更多。達到常規Python 的穩定水平需要一些時間。」 Codon 最初設計用於基因組學和生物資訊學的工作。研究人員嘗試了大約 10 個用 Python 編寫的常用基因組學應用程序，並使用 Codon 對其進行了編譯，與最初的手動優化實現相比實現了 5 到 10 倍的加速。 「如今這些領域的資料集已變得非常大，而像Python 和R 這樣的高階語言速度太慢，無法處理每組定序TB 級的資料量，」 Shajii 說。 「這就是我們想要填補的空白—— 透過建立一種無需寫C 或C 程式碼即可處理大數據的方法，從而為非電腦科學或專業開發者的領域專家提供幫助。」 上述圖表在幾個基準上比較了Python（CPython 3）、PyPy、Codon 和C 的表現。 y 軸顯示 Codon 實作相對於 CPython 實現的加速。 MIT/EXALOOP/UNIVERSITY OF VICTORIA/ACM 除了基因組學，Codon 還可以應用於處理海量資料集的類似應用程序，以及基於Python 的編譯器支援的GPU 編程和並行編程等領域。事實上，Codon 現在正透過新創公司 Exaloop 在生物資訊、深度學習和量化金融領域進行商業應用，Shajii 創立了該公司，旨在將 Codon 從學術計畫轉變為產業應用。 為了讓 Codon 能夠適應不同領域，團隊開發了一個外掛系統。 「它就像一個可擴展的編譯器，」Shajii 說。 「你可以為基因組學或其他領域編寫插件，這些插件可以有新的函式庫和新的編譯器最佳化。」 此外，公司和機構可以使用Codon 來製作原型和開發自己的應用程式。 「我們看到的一種模式是：人們使用Python 進行原型設計和測試，因為它易於使用，但到了某些重要事項上，他們就不得不重寫應用程序，或讓其他人用C 或C 在在更大的數據集上進行重寫與測試，”Shajii 表示。 「透過Codon，你就可以完全使用Python，並獲得兩全其美的好處。」 關於Codon 的未來，Shajii 和他的團隊目前正在研究廣泛使用的Python 庫的本地實現，以及特定於庫的優化，以幫助人們從這些庫中獲得更好的性能。他們還計劃創建一個廣受歡迎的功能：Codon 的 WebAssembly 後端，以支援在 Web 瀏覽器上運行程式碼。 
以上是這款編譯器能讓Python跟C++一樣快：最高提速百倍，MIT出品的詳細內容。更多資訊請關注PHP中文網其他相關文章！
