faster-cpython 项目的文档介绍了关于 Python 3.13 的规划，以及在 3.13 版本中将要实现的一些优化和改进。faster-python 是 Python 的创始人 Guido van Rossum 和他的团队提出的计划 ，目标是在四年内将 CPython 的性能提升五倍。

项目目标

faster-cpython 项目的目标是提高 Python 解释器的性能，使其能够更好地支持大型应用程序和数据科学领域。3.13 的目标是将花在解释器上的时间减少至少 50%。希望通过以下方式实现这一目标：

• 使用分层编译（tiered compilation）技术，根据代码的执行频率和热度，动态地选择不同级别的优化和编译策略。
• 使用静态分析（static analysis）技术，在运行时之前对代码进行预处理和优化，例如消除冗余操作、推断类型信息、重排指令顺序等。
• 改进字节码指令（bytecode instructions）的定义和生成，使其更清晰、更高效、更易于维护和扩展。
• 改进内存管理（memory management）机制，减少内存分配和垃圾回收的开销，提高内存利用率和缓存友好性。
• 改进对象模型（object model）和类型系统（type system），增加对用户自定义类型（user-defined types）和扩展类型（extension types）的支持，提高对象操作的灵活性和效率。
• 改进模块加载（module loading）和导入（importing）机制，减少启动时间和内存占用，提高模块复用性和兼容性。
• 改进异常处理（exception handling）机制，减少异常抛出和捕获的开销，提高异常安全性和可调试性。
• 改进调试工具（debugging tools）和性能分析工具（performance analysis tools），增加对新特性和优化的支持，提高调试和分析的效率和准确性。

项目计划

根据 Python 语言的发展周期，每六个月发布一个新版本，并在每个版本中实现一些优化和改进。我们目前正在开发 3.13 版本，计划在 2023 年 6 月发布。以下是在 3.13 版本中将要实现的一些主要特性：

• 完成分层编译器（tiered compiler）的设计和实现，包括两个级别：第一级是基于 PEP 659 的自适应优化器（adaptive optimizer），第二级是基于 LLVM 的即时编译器（just-in-time compiler）。第一级优化器负责收集代码执行信息，并根据信息进行一些简单的优化，例如内联缓存（inline caching）、指令专门化（instruction specialization）、循环展开（loop unrolling）等。第二级编译器负责将热点代码编译成机器码，并进行一些复杂的优化，例如常量传播（constant propagation）、死码消除（dead code elimination）、寄存器分配（register allocation）等。
• 完成静态分析器（static analyzer）的设计和实现，包括两个部分：第一部分是基于 AST 的语法分析器（syntax analyzer），第二部分是基于 CFG 的语义分析器（semantic analyzer）。语法分析器负责将源代码解析成抽象语法树（abstract syntax tree），并进行一些语法层面的优化，例如常量折叠（constant folding）、表达式简化（expression simplification）、语句重排（statement reordering）等。语义分析器负责将抽象语法树转换成控制流图（control flow graph），并进行一些语义层面的优化，例如类型推断（type inference）、变量寿命分析（variable lifetime analysis）、数据流分析（data flow analysis）等。
• 完成字节码生成器（bytecode generator）的设计和实现，包括两个部分：第一部分是基于 DSL 的指令定义器（instruction definer），第二部分是基于模板的指令生成器（instruction generator）。指令定义器负责使用自定义的 C-like DSL 来定义字节码指令的语义和行为，例如操作数类型、堆栈效果、异常处理、跟踪和检测等。指令生成器负责根据指令定义来生成不同级别编译器所需的代码，例如主解释器（main interpreter）、第二级解释器（tier 2 interpreter）、文档生成器（documentation generator）、元数据生成器（metadata generator）等。
• 完成内存管理器（memory manager）的设计和实现，包括两个部分：第一部分是基于引用计数（reference counting）的内存分配器（memory allocator），第二部分是基于标记 - 清除（mark-sweep）的垃圾回收器（garbage collector）。内存分配器负责为对象分配和释放内存空间，并维护对象的引用计数。垃圾回收器负责检测和回收循环引用（cyclic reference）造成的内存泄漏。我们将对内存管理器进行一些改进，例如使用子代划分（generational partitioning）、增量扫描（incremental scanning）、弱引用处理（weak reference handling）、池化分配（pooled allocation）等。
• 完成对象模型和类型系统的设计和实现，包括两个部分：第一部分是基于 PyObject 的对象表示法（object representation），第二部分是基于 PyTypeObject 的类型表示法（type representation）。对象表示法负责定义对象的内存布局和属性，例如引用计数、类型指针、值域等。类型表示法负责定义类型的元数据和方法，例如名称、大小、哈希函数、比较函数、访问函数等。我们将对对象模型和类型系统进行一些改进，例如使用紧凑布局（compact layout）、动态调度（dynamic dispatch）、多重继承（multiple inheritance）、混合类型。

相关链接、相关信息来源:

[1]: https://github.com/faster-cpython/ideas "GitHub - faster-cpython/ideas"

[2]: https://github.com/faster-cpython/ideas/blob/main/3.12/interpreter_definition.md "ideas/interpreter_definition.md at main · faster-cpython/ideas · GitHub"

[3]: https://github.com/faster-cpython/ "faster-cpython · GitHub"