سوال‌ها: چرا CPython رو با assembly نمینویسن؟ چرا CPytho | بنیاد پایتون کاران فارسی
سوال‌ها:
چرا CPython رو با assembly نمینویسن؟
چرا CPython رو مثل PyPy نمیکنن؟ یا چرا از PyPy بجای CPython استفاده نمیکنیم؟
پاسخ سوال اول: سوال اول: کد سی سریع‌تره یا کد اسمبلی؟
همه به من بگید ببینم، کامپایلرهای زبان سی از سورس‌کد C، چی تولید میکنن؟ خب حالت خییییلی پایه اینه‌که از سورس C، کد اسمبلی تولید میکنن بعد با یه اسمبلر کد ماشین‌شون رو تحویل میدن.
اما حالت، هیچ‌وقت حالت پایه نیست کاری که یه کامپایلر سی انجام میده اینه که یه خروجی خیلی efficient و کد اسمبلی خیلی سریع از اون سورس‌کد بیرون میکشه
این اصل ماجراست. اینه که جواب سوال میشه کد سی در اکثر مواقع از کد اسمبلی hand written که دقیقا همون کار رو انجام میده سریع‌تره. این همه مغز و وقت صرف نوشتن کامپایلر کردن تا این بشه تا این شده
این از این
سوال دوم: نوشتن کد سی آسون‌تره یا کد اسمبلی؟
سوال سوم: برای نوشتن یه برنامه خیلی ساده، کی سریع‌تر مینویسه یه C کار یا یه Assembly کار؟
سوال چهارم که جوابش هم میدونیم، کد کی سریع‌تره؟
تماما C برنده‌‌ی ماجراست پس فکر اینکه CPython رو با اسمبلی بنویسن سریع‌تر میشه رو بندازید بیرون.
به چند دلیل: سری دلایل اول -> همین دلایل بالا سری دلایل دوم: بابا پایتون توی یه سری کارا کنده به هزار تا دلیل دیگه گیر ندید به سی یا اسمبلی
الان سورس PyPy که سرعت خیلی بیشتری از CPython توی خیلی جاها داره ببینید، پایتونه به ولله تقریبا بالای ۹۸ ۹۹ درصد پایتونه پس مشکل جای دیگه‌ست.
پاسخ سوال دوم:
پیاده‌سازی CPython یک پیاده‌سازی general هست. این خیلی معنی‌ها داره مثال: ببینید یه چیزی وجود داره به اسم numba (برای مطالعه در مورد نامبا این مقاله‌ام رو بخونید) این یه JIT Compiler هست برای کارای عددی و محاسباتی دارای حلقه‌های زیاد
یکی از کارای jit ها همینه، چنین کدهایی رو سریع کنن اما آیا همه چنین کدهایی دارن؟ خیر آیا تحمل اورهد و سنگینی JIT رو دارن؟ قطعا خیر میدونید چقدر رم مصرف میکنن؟ برای یه راه‌حل مشابه بین پایتون و NodeJS، اون نسخه‌ی NodeJS حدود ۴.۵ برابر بیشتر از پایتون رم مصرف کرده، صرفا بخاطر داشتن JIT. جیت‌ها start up رو هم کندتر میکنن
از اون طرف پایتون بعضی جاها از pypy سریع‌تره مثلا یکی‌ش وب آقای Anthony shaw یه چند تا بنچ‌مارک گرفتن با FastAPI و Uviloop و این دم و دستگاه‌ها توی همه‌شون pypy بسیار از CPython کندتر بوده و رم مصرفی خیلی بیشتری داشته
یه مشکل دیگه هم هست پای‌پای به طور صد درصد با C extension moduleها اوکی نیست فرض کن نتونی numpy استفاده کنی
