万万没想到，除了香农计划，Python3.11 竟还有这么多性能提升！

众所周知，Python 3.11 版本带来了较大的性能提升，但是，它具体在哪些方面上得到了优化呢？除了著名的“香农计划”外，它还包含哪些与性能相关的优化呢？本文将带你一探究竟！

作者：Beshr Kayali

译者：豌豆花下猫 @Python 猫

英文：https://log.beshr.com/python-311-speedup-part-1

转载请保留作者及译者信息！

Python 3.11 在几天前发布了，它照例带来了很多新特性，例如异常组、细粒度的错误位置与堆栈回溯、标准库对 TOML 的解析支持，当然，还有备受大家期待的由 faster CPython 项目带来的速度提升。

根据 pyperformance 的基准测试，CPython 3.11 比 CPython 3.10 平均快 25%。这项改进的原因之一是 Guido 命名的“香农计划”（即 faster CPython）。对于 3.11 版本，这个计划在两个主要方向进行了大量优化：启动时和运行时。

除此之外，Python 3.11 还包含有其它的优化，这些优化不属于香农计划。

在本文中，我将详细介绍 3.11.0 稳定版中常规优化的细节（即非 faster CPython 项目的改进）。

（译注：作者表示将另写一篇文章介绍 faster CPython 的改进细节，届时，我也将继续翻译，敬请期待！）

目录

• 优化了一些 printf 风格 % 的格式化代码

• 优化了 Python 大整数的除法

• 优化了数字 PyLongs 求和

• 精简列表的扩容操作，提升了 list.append 性能

• 减少了全 unicode 键的字典的内存占用

• 提升了使用 asyncio.DatagramProtocol 传输大文件的速度

• 对于 math 库：优化了 comb(n, k) 与 perm(n, k=None)

• 对于 statistics 库：优化了 mean(data)、variance(data, xbar=None) 与 stdev(data, xbar=None)

• 纯 ASCII 字符串的 unicodedata.normalize()，提升到常数时间

优化了一些 printf 风格 % 的格式化代码

使用格式化的字符串字面量（formatted string literals）是最快的格式化字符串的方法。

Python 3.10 中的一个简单基准测试：

$ python -m pyperf timeit -s \  'k = "foo"; v = "bar"' -- '"%s = %r" % (k, v)'.....................Mean +- std dev: 187 ns +- 8 ns

但是使用 f-string 似乎要快 42%：

$ python -m pyperf timeit -s \  'k = "foo"; v = "bar"' -- 'f"{k!s} = {v!r}"'.....................Mean +- std dev: 131 ns +- 9 ns

优化性能的手段是将简单的 C 风格的格式化方法转换为 f-string 方法。在 3.11.0 中，只转换了 %s、%r 和 %a 三种，但是目前有一个待合入的 pull request，将会支持：%d、%i、%u、%o、%x、%X、%f、 %e、%g、%F、%E、%G。

例如，下面是 Python 3.11 中相同基准测试的结果：

$ python -m pyperf timeit -s \  'k = "foo"; v = "bar"' -- '"%s = %r" % (k, v)'.....................Mean +- std dev: 100 ns +- 5 ns

大约快了 87%！当然，3.11 中其它的优化对此也有影响，比如更快的解释器启动时间。

优化了 Python 大整数的除法

在 Python 3.10 中：

python -m pyperf timeit -s 'x=10**1000' -- 'x//10'.....................Mean +- std dev: 1.18 us +- 0.02 us

在 Python 3.11 中：

python -m pyperf timeit -s 'x=10**1000' -- 'x//10'.....................Mean +- std dev: 995 ns +- 15 ns

大约快了 18%。

这项优化源自 Mark Dickinson 的一个发现，即编译器总会生成 128:64 的除法指令，尽管处理的是 30 位的数值。

即使在 x64 上，Python 的除法也有些残缺。假设是 30 位数字，则多精度除法所需的基本结构是 64 位除以 32 位的无符号整数除法，产生一个 32 位的商（理想情况下还会产生一个 32 位余数）。有一个 x86/x64 指令可以做到这一点，也就是 DIVL。但是如果不使用内联汇编，当前版本的 GCC 和 Clang 显然做不到从 longobject.c 中发出该指令——它们只会在 x64 上使用 DIVQ（128 位除以 64 位的除法，尽管被除数的前 64 位被设为零），而在 x86 上则使用固有的 __udivti3 或 __udivti4。

——Mark Dickinson（全文）

优化了数字 PyLongs 求和

这里有一个 issue，它发现 Python 2.7 中 sum 的速度比 Python 3 快得多。不幸的是，在某些条件下，3.11.0 似乎仍然如此。

Python 2.7：

$ python -m pyperf timeit -s 'd = [0] * 10000' -- 'sum(d)'.....................Mean +- std dev: 37.4 us +- 1.1 us

Python 3.10：

$ python -m pyperf timeit -s 'd = [0] * 10000' -- 'sum(d)'.....................Mean +- std dev: 52.7 us +- 1.3 us

Python 3.11：

$ python -m pyperf timeit -s 'd = [0] * 10000' -- 'sum(d)'.....................Mean +- std dev: 39.0 us +- 1.0 us

Python3.10 和 3.11 之间的区别在于，通过在 sum 函数的快速加法分支中内联对单个数字 PyLongs 的解包，可以提升在单个数字 PyLongs 上调用 sum 的性能。这样做可以避免在解包时调用 PyLong_AsLongAndOverflow。

值得注意的是，在某些情况下，Python 3.11 在整数求和时仍然明显慢于 Python 2.7。我们希望在 Python 中通过实现更高效的整数，获得更多的改进。

精简列表的扩容操作，提升了 list.append 性能

在 Python 3.11 中，list.append 有了显著的性能提升（大约快 54%）。

Python 3.10 的列表 append：

$ python -m pyperf timeit -s \  'x = list(map(float, range(10_000)))' -- '[x.append(i) for i in range(10_000)]'.....................Mean +- std dev: 605 us +- 20 us

Python 3.11 的列表 append：

$ python -m pyperf timeit -s \  'x = list(map(float, range(10_000)))' -- '[x.append(i) for i in range(10_000)]'.....................Mean +- std dev: 392 us +- 14 us

对于简单的列表推导式，也有一些小的改进：

Python 3.10：

$ python -m pyperf timeit -s \  '' -- '[x for x in list(map(float, range(10_000)))]'.....................Mean +- std dev: 553 us +- 19 us

Python 3.11：

$ python -m pyperf timeit -s \  '' -- '[x for x in list(map(float, range(10_000)))]'.....................Mean +- std dev: 516 us +- 16 us

译注：记得在 3.9 版本的时候，Python 优化了调用 list()、dict() 和 range() 等内置类型的速度，在不起眼处，竟还能持续优化！

减少了全 unicode 键的字典的内存占用

这项优化令 Python 在使用全为 Unicode 键的字典时，缓存的效率更高。这是因为使用的内存减少了，那些 Unicode 键的哈希会被丢弃，因为那些 Unicode 对象已经有哈希了。

例如，在 64 位平台上，Python 3.10 运行结果：

>>> sys.getsizeof(dict(foo="bar", bar="foo"))232

在 Python 3.11 中：

>>> sys.getsizeof(dict(foo="bar", bar="foo"))184

（译注：插个题外话，Python 的 getsizeof 是一种“浅计算”，这篇《Python在计算内存时应该注意的问题？》区分了“深浅计算”，可以让你对 Python 计算内存有更深的理解。）

提升了使用 asyncio.DatagramProtocol 传输大文件的速度

asyncio.DatagramProtocol 提供了一个用于实现数据报（UDP）协议的基类。有了这个优化，使用 asyncio UDP 传输大文件（比如 60 MiB）将比 Python 3.10 快 100 多倍。

这是通过计算一次缓冲区的大小并将其存储在一个属性中来实现的。这使得通过 UDP 传输大文件时，asyncio.DatagramProtocol 有着数量级的提速。

PR msoxzw 的作者提供了以下的 测试脚本。

对于 math 库：优化了 comb(n, k) 与 perm(n, k=None)

Python 3.8 在math 标准库中增加了 comb(n, k) 和 perm(n, k=None) 函数。两者都用于计算从 n 个无重复的元素中选择 k 个元素的方法数，comb 返回无序计算的结果，而perm 返回有序计算的结果。（译注：即一个求组合数，一个求排列数）

3.11 的优化由多个较小的改进组成，比如使用分治算法来实现 Karatsuba 大数乘法，以及尽可能用 C 语言unsigned long long 类型而不是 Python 整数进行comb计算(*)。

另外一项改进是针对较小的 k 值（0 <= k <= n <= 67）：

（译注：以下两段费解，暂跳过）

对于 0 <= k <= n <= 67, comb(n, k) always fits into a uint64_t. We compute it as comb_odd_part << shift where 2 ** shift is the largest power of two dividing comb(n, k) and comb_odd_part is comb(n, k) >> shift. comb_odd_part can be calculated efficiently via arithmetic modulo 2 ** 64, using three lookups and two uint64_t multiplications, while the necessary shift can be computed via Kummer's theorem: it's the number of carries when adding k to n - k in binary, which in turn is the number of set bits of n ^ k ^ (n - k). *

One more improvement is that the previous popcount-based code for computing the largest power of two dividing math.comb(n, k) (for small n) got replaced with a more direct method based on counting trailing zeros of the factorials involved. (*).

Python 3.10：

$ python -m pyperf timeit -s \  'import math' -- 'math.comb(100, 55)'.....................Mean +- std dev: 3.72 us +- 0.07 us
# ---
$ python -m pyperf timeit -s \  'import math' -- 'math.comb(10000, 5500)'.....................Mean +- std dev: 11.9 ms +- 0.1 ms

Python 3.11：

$ python -m pyperf timeit -s \  'import math' -- 'math.comb(100, 55)'.....................Mean +- std dev: 476 ns +- 20 ns
# ---
$ python -m pyperf timeit -s \  'import math' -- 'math.comb(10000, 5500)'.....................Mean +- std dev: 2.28 ms +- 0.10 ms

对于 statistics 库：优化了 mean(data)、variance(data, xbar=None) 与 stdev(data, xbar=None)

3.11 优化了statistics模块中的 mean、variance与stdev 函数。如果入参是一个迭代器，则会直接用于计算，而不是先将其转换为列表。这种计算方法 的速度比之前的快了一倍。*

Python 3.10：

# Mean$ python -m pyperf timeit -s \  'import statistics' -- 'statistics.mean(range(1_000))'.....................Mean +- std dev: 255 us +- 11 us
# Variance$ python -m pyperf timeit -s \  'import statistics' -- 'statistics.variance((x * 0.1 for x in range(0, 10)))'.....................Mean +- std dev: 77.0 us +- 2.9 us
# Sample standard deviation (stdev)$ python -m pyperf timeit -s \  'import statistics' -- 'statistics.stdev((x * 0.1 for x in range(0, 10)))'.....................Mean +- std dev: 78.0 us +- 2.2 us

Python 3.11：

# Mean$ python -m pyperf timeit -s \  'import statistics' -- 'statistics.mean(range(1_000))'.....................Mean +- std dev: 193 us +- 7 us
# Variance$ python -m pyperf timeit -s \  'import statistics' -- 'statistics.variance((x * 0.1 for x in range(0, 10)))'.....................Mean +- std dev: 56.1 us +- 2.3 us
# Sample standard deviation (stdev)$ python -m pyperf timeit -s \  'import statistics' -- 'statistics.stdev((x * 0.1 for x in range(0, 10)))'.....................Mean +- std dev: 59.4 us +- 2.6 us

纯 ASCII 字符串的 unicodedata.normalize()，提升到常数时间

对于 unicodedata.normalize() 方法，如果提供的入参是纯 ASCII 字符串，则通过 unicode 快速检查算法 迅速返回结果。这项检查使用的是PyUnicode_IS_ASCII 实现。

Python 3.10：

$ python -m pyperf timeit -s \  'import unicodedata' -- 'unicodedata.normalize("NFC", "python")'.....................Mean +- std dev: 83.3 ns +- 4.3 ns

Python 3.11：

$ python -m pyperf timeit -s \  'import unicodedata' -- 'unicodedata.normalize("NFC", "python")'.....................Mean +- std dev: 34.2 ns +- 1.2 ns

最后的话：

• 我写这篇文章是为了加深自己对 Python 3.11 最新成果的认识。如果内容有错，请通过email 或者 Twitter告诉我。（译注：本翻译是出于促进自己学习及加强理解的目的，若有错漏，欢迎指正！）

• 附 HackerNews 上的评论
  

• 在下一篇文章中，我将分析 faster CPython 项目带来的优化点。敬请期待！