codon - 高性能Python编译器无运行时开销媲美C/C++性能

Codon

文档 · 常见问题 · 博客 · 聊天 · 路线图 · 基准测试

Codon是什么？

Codon是一个高性能的Python实现，它可以编译为原生机器代码，没有任何运行时开销。与普通Python相比，典型的速度提升在10-100倍或更高，仅在单线程上。Codon的性能通常与C/C++相当（有时甚至更好）。与Python不同，Codon支持原生多线程，这可能会带来更高的速度提升。

可以将Codon视为为静态、预先编译而重新设计的Python，从根本上以实现最佳性能为目标。

目标

:bulb: 无学习曲线： 在语法、语义和库方面尽可能接近CPython
:rocket: 顶级性能： 至少与C、C++或Rust等低级语言相当
:computer: 硬件支持： 完全无缝支持多核编程、多线程（无GIL！）、GPU等
:chart_with_upwards_trend: 优化： 全面的优化框架，可针对高级Python结构和库
:battery: 互操作性： 与Python的包和库生态系统完全互操作

非目标

:x: CPython的直接替代品： Codon不是CPython的直接替代品。Python的某些方面不适合静态编译——我们在Codon中不支持这些。可以通过其JIT装饰器或Python扩展后端在更大的Python代码库中使用Codon。Codon还支持通过其Python互操作性调用任何Python模块。另请参阅文档中的"与Python的区别"。
:x: 新语法和语言结构： 我们尽量避免添加新的语法、关键字或其他语言特性。虽然Codon确实在某些地方添加了一些新语法（例如表达并行性），但我们尽量使其尽可能熟悉和直观。

安装

每个发布版本都提供了Linux（x86_64）和macOS（x86_64和arm64）的预构建二进制文件。下载并安装：

/bin/bash -c "$(curl -fsSL https://exaloop.io/install.sh)"

或者你可以从源代码构建。

示例

Codon是一种与Python兼容的语言，许多Python程序无需或只需很少修改就能工作：

def fib(n):
    a, b = 0, 1
    while a < n:
        print(a, end=' ')
        a, b = b, a+b
    print()
fib(1000)

codon编译器有许多选项和模式：

# 编译并运行程序
codon run fib.py
# 0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987

# 启用优化并编译运行程序
codon run -release fib.py
# 0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987

# 启用优化并编译为可执行文件
codon build -release -exe fib.py
./fib
# 0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987

# 启用优化并编译为LLVM IR文件
codon build -release -llvm fib.py
# 输出文件fib.ll

更多选项和示例请参阅文档。

你可以在Codon中导入和使用任何Python包。例如：

from python import matplotlib.pyplot as plt
data = [x**2 for x in range(10)]
plt.plot(data)
plt.show()

（请记住设置CODON_PYTHON环境变量为CPython共享库，如文档中所述。）

这个质数计数示例展示了Codon的OpenMP支持，只需添加一行即可启用。@par注解告诉编译器并行化以下for循环，在这个例子中使用动态调度、块大小为100，以及16个线程。

from sys import argv

def is_prime(n):
    factors = 0
    for i in range(2, n):
        if n % i == 0:
            factors += 1
    return factors == 0

limit = int(argv[1])
total = 0

@par(schedule='dynamic', chunk_size=100, num_threads=16)
for i in range(2, limit):
    if is_prime(i):
        total += 1

print(total)

Codon支持编写和执行GPU内核。这里是一个计算曼德布罗特集合的示例：

import gpu

MAX    = 1000  # 最大曼德布罗特迭代次数
N      = 4096  # 图像宽度和高度
pixels = [0 for _ in range(N * N)]

def scale(x, a, b):
    return a + (x/N)*(b - a)

@gpu.kernel
def mandelbrot(pixels):
    idx = (gpu.block.x * gpu.block.dim.x) + gpu.thread.x
    i, j = divmod(idx, N)
    c = complex(scale(j, -2.00, 0.47), scale(i, -1.12, 1.12))
    z = 0j
    iteration = 0

    while abs(z) <= 2 and iteration < MAX:
        z = z**2 + c
        iteration += 1

    pixels[idx] = int(255 * iteration/MAX)

mandelbrot(pixels, grid=(N*N)//1024, block=1024)

GPU编程也可以使用@par语法，通过@par(gpu=True)实现。

文档

请访问docs.exaloop.io获取详细文档。