Python 3.13：性能和规模的新突破

Python 3.13 引入了实验性的自由线程模式和 JIT 编译器，为提高性能和多核利用率铺平了道路，同时增强了交互体验。

译自 Python 3.13: Blazing New Trails in Performance and Scale，作者 Darryl K Taft; Joab Jackson。

Python 3.13 预计将于今天发布，代表着 Python 编程语言的重大进步，特别是在性能和开发人员体验方面，实验性的自由线程模式和 即时 (JIT) 编译器 为未来的改进奠定了基础。

最初计划于 10 月 1 日发布，新版本因性能回归而推迟，Python 最新稳定版本的发布时间已改为 10 月 7 日。

如上所述，Python 的一些主要变化包括一个新的 交互式解释器，以及对在 自由线程模式 下运行和 JIT 编译器 的实验性支持。

自由线程

实验性的自由线程 CPython 功能允许在禁用 全局解释器锁 (GIL) 的情况下运行。它需要一个单独的可执行文件，可以通过官方的 Windows 和 macOS 安装程序安装，也可以从源代码构建。它可以充分利用多核处理器。目前，它在单线程操作中会造成性能损失。

“自由线程试图从 CPython 中移除 全局解释器锁，而全局解释器锁一直是实现 基于线程的 并行性的最大障碍，尤其是在执行 CPU 密集型 任务时，”Real Python 的内容创作者 Bartosz Zaczyński 在一篇文章中写道。“简而言之，GIL 允许在任何给定时间只运行一个执行线程，无论你的 CPU 配备了多少个核心。这阻止了 Python 有效地利用可用的计算能力。”

历史上，Python 的 GIL 阻止了线程的真正并发执行，Stanley Seibert，Anaconda 的社区创新高级总监，告诉 The New Stack。然而，Python 3.13 中的新实验性功能允许并发执行纯 Python 代码。该功能旨在更好地利用多核处理器，而不会牺牲单线程性能。由于其实验性，该功能在本版本中默认关闭。该功能由 Meta 工程师开发，并获得了 Python 指导委员会的批准。Seibert 说，Anaconda 正在为社区开发测试包，以便他们尝试使用此功能。

JIT 编译器

与此同时，“到目前为止，你只能通过外部工具和库来利用 Python 的各种 JIT 编译器，”Zaczyński 写道。“其中一些，比如 PyPy 和 Pyjion，提供了或多或少通用的 JIT 编译器，而另一些，比如 Numba，则专注于特定的用例，比如数值计算。”

Python 3.13 中新的实验性 JIT 编译器使用了一种名为 复制和修补 的相当新的算法，他写道。

“这种编译技术的核心思想是找到一个适合目标 CPU 的预编译机器代码模板，并用缺失的信息（例如变量的内存地址）填充它，”他在文章中指出。

Zaczyński 补充说，长远计划是将 Python 的 JIT 提升到一个程度，使其在代码执行性能方面真正产生显著差异，而不会占用太多额外的内存。

Omdia 的分析师 Brad Shimmin 将 JIT 编译器称为“一件大事”，因为它使 Python 在与 Java 等久负盛名且面向企业的基于 JIT 的语言相比时处于更平等的地位。 “更重要的是，这种 JIT 实现比传统的 JIT 架构带来了性能提升，”他告诉 The New Stack。“与在创建机器代码之前将代码遍历中间语言相比，这可能非常慢，Python 13.3 的实现使用了一种复制和修补方法，不需要在 Python 运行时内运行完整的 JIT。”

Andrew Cornwall，Forrester Research 的分析师，同意 Python 3.13 中两个最重要的运行时更改是实验性的，“因此日常 CPython 用户目前不会看到太大区别，”他告诉 The New Stack。然而，Python 正在为在多个处理器上更快地运行代码奠定基础。

“一旦启用，JIT 编译器应该让 CPython 对于每个人来说都运行得更快，但 Python 现在正在保持谨慎，默认情况下将其关闭，”Cornwall 说。然而，“禁用全局解释器锁的能力可能会更具破坏性，因为它允许 Python 库利用更多核心，如果这些库可以支持多线程。那些开发 C 库的人需要调查禁用 GIL 的影响。但是，对于日常用户来说，这些变化还很遥远——它们目前在单独的 python3.13t 二进制文件中。”

免费线程是关于尝试使用更多核心。然而，“JIT 编译是关于尝试通过使解释器更高效来从单个核心获得更多收益，”Seibert 告诉 The New Stack。“此版本将包含该 JIT 编译器的第一个版本，并且该目标只是让它无形地使一切都更快。”

事实上，Seibert 说，Python 多年来一直专注于速度。“我知道历史上 Python 比其他一些语言更慢，但更容易编程。这个 [JIT 编译器] 某种程度上将它带入了像 C 或 C++ 这样的领域，”他说。

交互式解释器改进

同时，改进的交互式解释器功能包括多行编辑，带有历史记录保存，直接支持 read-eval-print loop (REPL) 特定命令，包括 help、exit 和 quit，默认情况下启用颜色的提示和回溯，交互式帮助浏览（F1 键），历史记录浏览（F2 键）和“粘贴模式”以更轻松地粘贴代码（F3 键）。

“有一个新的交互式解释器，它添加了一些生活质量的东西，比如颜色和能够同时编辑多行 Python 代码——这些东西你可以在 IPython 中完成，但现在它内置在解释器中，”Seibert 说。

Python 的新 交互式 shell，默认情况下可用，基于 PyPy 项目 的代码。

其他关键更改

此外，Python 3.13 具有增量 垃圾收集器 实现，可以减少清理分配内存时的长时间暂停，Cornwall 说。

此外，“平台支持现在包括移动设备（iOS 和 Android 都处于第 3 层，这意味着至少有一位核心开发人员参与）。并且 Wasm 支持已从 emscripten 迁移到 WASI,”他说。

更多幕后改进

此外，“有一些已弃用的库——例如，如果您使用的是 cgi 或 crypt，您需要找到替代方案，”Cornwall 告诉 The New Stack。“语言更改不太可能影响大多数用户。以前关于 locals() 的未定义语义现在已定义，但这对于大多数开发人员来说都是小事。在这个版本中，大多数开发人员会注意到新的油漆工作，但不会注意到幕后的重大变化。”

一位注意到幕后变化的开发人员是 Tom Tang，Distributive 的工程师，PythonMonkey 项目的创建者。Tang 是 PythonMonkey 项目 的核心开发人员，目前正在努力将 Python 3.13 支持引入 PythonMonkey。

API 稳定性：PythonMonkey 示例

Tang 说，他作为一名系统开发人员，深入研究 Python 的底层部分，因此 Python 3.13 中 C API 稳定性的变化值得注意。

在 3.13 版本之前，Python 的 C API 在每个次要版本中都会频繁更改，并且有很多未记录的内部 API 在每个下一个 Python 版本中都被破坏或删除，Tang 告诉 The New Stack。

这给 PythonMonkey 的开发带来了一些麻烦，因为 PythonMonkey 承诺支持多个 Python 版本，这非常复杂。在 Python 3.13 中，CPython 核心维护者采取了 措施来解决 API 不稳定性 问题，只提供稳定的公共 API 供使用。大多数未记录的“私有”API 在 Python 3.13 中被移除，剩下的几个现在已记录并提升为稳定 API。

此举对 Python 扩展开发人员很重要，因为它让您能够使用经过良好记录的 API，并迫使您在处理 Python 的底层部分时真正考虑向前和向后兼容性，Tang 说。

“另一方面，在 PythonMonkey 的情况下，由于我们正在处理 CPython 解释器中非常利基的实现细节，以使 PythonMonkey 尽可能快且高效，隐藏“内部 API”或实现细节可能会阻碍我们进一步优化 PythonMonkey 以实现更快的跨语言运行时，”他说。

此外，“如果有一个更正式的 API 用于访问内部，即使这些 API 成为“不稳定”API 的一部分，对像 PythonMonkey 这样的深度集成产品也会有所帮助，”Tang 说。

全面做好

总的来说，Python 3.13 中的更改“是不错的补充，本身将进一步巩固 Python 在现有用例中的“首选”语言地位，特别是对于数据、AI 和 IT 工程师，”Shimmin 说。“然而，对我来说，这个版本的决定性因素是速度和规模。”

Python 社区对性能和效率的关注当然会解决 Python 目前在性能方面的一些增长烦恼。Python 3.13 中的更新“也将更好地巩固 Python 作为一种在更广泛的用例中‘无所不能，精益求精’的语言的声誉，”Shimmin 说。