Оптимизации, сделавшие Python 3.6 быстрее Python 3.5

Различные оптимизации сделали Python 3.6 быстрее Python 3.5. Давайте разберём, что и как было сделано.
Python 3.6 превосходит любую другу версию во многих тестах производительности. Мы познакомимся с результатами тестов на Python 2.7, 3.5 и 3.6.

Формат байткода и инструкции вызова функций были изменены для ускорения его исполнения. Новое соглашение «быстрого вызова» для C было добавлено, чтобы избежать создания временных кортежей и словарей. Метод разбора аргументов был оптимизирован с использованием внутреннего кеша. Операции над байтами, а также кодировками типа UTF-8 были оптимизированы благодаря новому API для создания байтовых объектов. Некоторые части asyncio были переписаны на C, чтобы получить до 25% ускорения. Функция PyMem_Malloc() теперь использует быстрый распределитель pymalloc, также предлагая небольшое увеличение скорости.

Static Types for Python

В течении прошлых полутора лет Dropbox вкладывался в развитие mypy — статического анализатора типов для Python, для того, чтобы сделать нашу кодовую базу, состоящую из нескольких миллионов строк, удобнее для понимания, навигации и поддержания. В ходе выступления мы расскажем о пользе аннотации типов, объясним как ей использовать, а также коротко затронем тему того, как mypy работает внутри.

The Dictionary Even Mightier

Со времени моего выступления «Mighty Dictionary» на PyCon 2010 словари в Питоне разительно эволюционировали. Приходите узнать обо всех этих улучшениях вплоть до (и включая) реорганизацию, которая недавно пришла вместе с Python 3.6! В ходе выступления будут затронуты темы: итерируемых представлений; синтаксиса компоновки словаря; случайного порядка ключей; специального словаря с общими ключами, лежащего в основе коллекций объектов; а также компактного словаря, значительно сокращающего расходы памяти, и при этом обладающего приятнейшим побочным эффектом. В ходе выступления каждая из особенностей будет рассматриваться и в терминах компромиссов, к которым пришлось прибегнуть в ходе конструирования хеш-таблиц, и с точки зрения того, как можно использовать словари в коде более эффективно.Со времени моего выступления «Mighty Dictionary» на PyCon 2010 словари в Питоне разительно эволюционировали. Приходите узнать обо всех этих улучшениях вплоть до (и включая) реорганизацию, которая недавно пришла вместе с Python 3.6! 

В ходе выступления будут затронуты темы: итерируемых представлений; синтаксиса компоновки словаря; случайного порядка ключей; специального словаря с общими ключами, лежащего в основе коллекций объектов; а также компактного словаря, значительно сокращающего расходы памяти, и при этом обладающего приятнейшим побочным эффектом.

В ходе выступления каждая из особенностей будет рассматриваться и в терминах компромиссов, к которым пришлось прибегнуть в ходе конструирования хеш-таблиц, и с точки зрения того, как можно использовать словари в коде более эффективно.

The Memory Chronicles: A Tale of Two Pythons

MicroPython — самая микроскопическая полная реализация Python. Данная разновидность Питона, разработанная для микроконтроллеров, занимает менее 300 Кб памяти, сохраняя при этом наиболее популярные особенности языка. Так что же нужно для создания самого маленького Питона? Или даже: почему CPython потребляет много памяти? В ходе выступления, с упором на аспекты использования памяти, будут рассмотрены детали внутренней реализации MicroPython и сопоставлены с CPython. Мы рассмотрим разные объектные модели Питонов, мы затронем тему различий в конструкциях используемых ими компиляторов байткода и интерпретаторов.MicroPython — самая микроскопическая полная реализация Python. Данная разновидность Питона, разработанная для микроконтроллеров, занимает менее 300 Кб памяти, сохраняя при этом наиболее популярные особенности языка. 

Так что же нужно для создания самого маленького Питона? Или даже: почему CPython потребляет много памяти?

В ходе выступления, с упором на аспекты использования памяти, будут рассмотрены детали внутренней реализации MicroPython и сопоставлены с CPython. Мы рассмотрим разные объектные модели Питонов, мы затронем тему различий в конструкциях используемых ими компиляторов байткода и интерпретаторов.

Питонизация стартапа

Python хороший язык для бэкэнда. Но почему его нельзя применить и на frontend? Или можно? Я покажу как на практике можно писать Python код и на frontend (с Rapydscript) и на бэкэнд (Web.py).

QaAPI или какое API нужно вашим тестировщикам

Жизнь тестировщика насыщена экспериментами и рутиной. Чем больше рутины и меньше экспериментов, тем тестировщик сильнее грустит. Как разработчики ПО мы можем сделать тестировщика счастливым — написать софт, который автоматизирует рутину. В докладе расскажу об инструменте QaAPI — реализации API для применения в тестировании. Поделюсь опытом разработки такого инструмента в Welltory.

Оптимизации ускоряющие Python 3.6 по сравнению с Python 3.5

Прицельная регрессия, или запускаем только релевантные автотесты

Как известно, чем раньше найден баг, там дешевле его починить. Лучше всего, когда проблема обнаруживается юнит-тестами или статическим анализатором на самой ранней стадии. Иначе обстоят дела с проблемой, проникшей в общую ветку. В этом случае необходимо дождаться прохождения автоматической регрессии, формально описать баг, а после исправления — проверить, что в свежем билде его действительно больше нет. Всего этого мы могли бы избежать, запустив регрессию на dev-бранче перед коммитом в общую ветку. Но это тоже малоэффективно потому, что регрессия выполняется долго и не все тесты в ней имеют отношение к измененному коду Как с этим бороться? В докладе я расскажу про наш опыт автоматизации поиска тестов, покрывающих изменения в dev-бранче, с помощью информации о покрытии кода.

Как известно, чем раньше найден баг, там дешевле его починить. Лучше всего, когда проблема обнаруживается юнит-тестами или статическим анализатором на самой ранней стадии. Иначе обстоят дела с проблемой, проникшей в общую ветку. В этом случае необходимо дождаться прохождения автоматической регрессии, формально описать баг, а после исправления — проверить, что в свежем билде его действительно больше нет. Всего этого мы могли бы избежать, запустив регрессию на dev-бранче перед коммитом в общую ветку. Но это тоже малоэффективно потому, что регрессия выполняется долго и не все тесты в ней имеют отношение к измененному коду 
Как с этим бороться? В докладе я расскажу про наш опыт автоматизации поиска тестов, покрывающих изменения в dev-бранче, с помощью информации о покрытии кода.

Создание desktop-приложений на Python

Евгений Ильин (МАИ, доцент, инженер)

"Создание GUI на Python".

Слайды: http://www.moscowpython.ru/meetup/45/sozdanie-desktop-prilozhenij-na-python/

Promises and service worker for pythonist

Александр Хаёров

"Миры frontend и backend неразделимы и порой важно понимать ключевые вещи в смежных областях. В докладе поговорим о двух важных вещах из мира frontend — промисах и сервис воркерах. Чтобы было веселее — попробуем изучить эти штуки на примере аналогий".

Слайды: http://www.moscowpython.ru/meetup/45/promises-and-service-worker-for-pythonist/

Python Opcodes

Артём Апалько (RedMadRobot backend-dev)

"Обзорный доклад по опкодам в питоне. Изменения в Python 3.6 (изменение размера, оптимизация branch-prediction)".

Слайды: http://www.moscowpython.ru/meetup/45/python-opcodes/

PyCon: Django Admin - основы и еще чуть-чуть

Доклад Kenneth Love про Django Admin. Как с ней жить и что делать

PyCon 2017 Videos

Lightning Talk: Сергей Архипов - Правильная демонизация

Слайды: https://speakerdeck.com/9seconds/daemonize

Небольшой рассказ о том, как правильно демонизировались процессы до прихода systemd.

Lightning Talk: Никита Ладошкин - gRPC

Слайды: https://nikiladonya.github.io/#/4

Небольшой обзор gRPC как дополнение к докладу про Protocol Buffers.

Александр Мокров - Protobuf it!

Слайды: https://www.slideshare.net/AleksandrMokrov/protobuf-it

Поговорим о том, что за зверь этот Protocol Buffers и зачем он вообще нужен. Рассмотрим где он может быть полезен, что может дать и с какими проблемами может познакомить. Посравниваем с конкурентами.

Артём Малышев - Ни RESТа себе! GraphQL is Coming

Слайды: https://proofit404.github.io/talks/graphql-is-coming/slides/

Уже очень давно стандартом де-факто для дизайна web API стал REST. Но вот GitHub и Facebook анонсировали поддержку GraphQL API. Зачем они это сделали? Стоит ли нам сделать тоже самое? Какие инструменты для этого предоставляет экосистема Python? Хорошо ли они спроектированы? REST уже всё? Ответы на эти вопросы и не только вы узнаете из моего доклада.

Сергей Архипов - Свой Mustache за 40 минут

Слайды: https://speakerdeck.com/9seconds/own-mustache

Давайте просто возьмем и напишем свой игрушечный шаблонизатор Curly, который функционально примерно равен Mustache за 40 минут. За эти 40 минут я попытаюсь рассказать все-все детали так, чтобы люди, которые умеют строить регулярные выражения, поняли бы, как реализуются такие шаблонизаторы в принципе.

PyData London 2017

Монады. Экспликация

Павел Петлинский (Rambler&Co)

 "В докладе мы разберемся, что за зверь такой эта "Монада", и где прекрасный чистый мир математики ломается об особенности языков программирования".
Слайды: http://www.moscowpython.ru/meetup/44/monady-eksplikacija/