The first and yet the only CPython compatible Python JIT, over the world.
This comes with my talk on PyConChina 2019.
-
Python字节码
- 字节码指令: restrain_jit.abs_compiler.instrnames
- 字节码处理依赖: vstinner/bytecode
-
抽象机器代码定义: restrain_jit.vm.am
-
抽象指令:
class AM的interface methods其中和具体指令乃至后端无关的intrinsics: restrain_jit.abs_compiler.py_apis
-
利用抽象指令和intrinsics, 以monad方式解耦规定语义的抽象机器和具体的虚拟指令集.
-
JuVM虚拟栈机, 前述抽象机器的一个实现.
-
栈机指令到Julia的代码生成, pattern matching真好用
-
Julia "生成函数", 一种仅仅存在于multistage语言里, 在运行时创建无开销的函数的技巧
-
Type level encoding技巧, 使得创建生成函数像eval一样灵活, 却比静态定义还快.
-
Python JIT包装, 在函数中添加属性
__jit__以指示已经jit过的函数 -
PyCall.jl, 包装Pythin JIT函数的途径:
-
intrinsics还远没有实现完, 目前只实现了
py_add和py_next,py_iter等.其实现直接简单, 很适合开PR贡献: 对照py_apis.py 在py_apis.jl中给出实现.
P.S: 如果尽可能使用C API压榨性能, 甚至可以对CPython数据结构上的操作进行加速, 见 Issue 1.
C API使用可以参考CPython: cpython/Python/ceval.c
-
部分语言特性还没实现, 例如生成器, 异步, Python函数调用对关键字参数, 可变位置参数, 可变关键参数的支持.
其中生成器的实现比较简单直接, 但异步相对来说较难(因为语义来自Python字节码).
可变关键字参数的实现暂无高效实现.
-
Julia对于代码生成上模拟的Push Pop行为优化不足, 这导致Restrain JIT中的for-loop很慢. 但是, 我们提供了
restrain_jit.bejulia.functional模块, 导出了两个函数foreach和select, 足以用函数的方式替代控制流, 将避免性能损失.另外,
- 并不复杂的的if-else不会导致性能损失.
- 由于Julia的错误处理有开销, try语句性能较差(try语句还未经过测试)
-
因为是Python中文社区, 所以使用中文书写README. 轻喷.
-
由于依赖PyJulia的原因, 目前只能在dynamically linked的Python(例如anaconda Python, ubuntu源里的Python; Arch Linux的Python是dyn的)下使用.
但这个限制是没有必要的, 在项目比较成熟时, 会移除PyJulia, 并使用一种前面提到的Bridging技巧, 来消除这个限制.