✔️ 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 🙂
پس هر چیزی رو بهرکاری ساختن
#M4hdi
〰〰〰〰〰〰〰〰
©@raspberry_python
➖ 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 🙂
پس هر چیزی رو بهرکاری ساختن
#M4hdi
〰〰〰〰〰〰〰〰
©@raspberry_python
ویرگول
پایتون «بسیار» سریع است! - ویرگول
یکی نیست تکلیف ما رو روشن کنه بالاخره پایتون کنده یا تند؟ بیاید تا یکم صحبت کنیم!
👍8
نظرسنجی!
Python Software Foundation و
Packaging Working Group و
Python Packaging Authority
یک نظرسنجی رو ترتیب دادن و از جامعه پایتون خواستن که نظرشون رو راجع به package کردن نرمافزارهای پایتونی ارائه کنن
اگه میخواید این مسئله بهتر و سادهتر بشه این نظرسنجی رو پر کنید (با فیلترشکن باید برید)
https://www.surveymonkey.co.uk/r/NMG6NJM
#M4hdi
〰〰〰〰〰〰〰〰
©@raspberry_python
Python Software Foundation و
Packaging Working Group و
Python Packaging Authority
یک نظرسنجی رو ترتیب دادن و از جامعه پایتون خواستن که نظرشون رو راجع به package کردن نرمافزارهای پایتونی ارائه کنن
اگه میخواید این مسئله بهتر و سادهتر بشه این نظرسنجی رو پر کنید (با فیلترشکن باید برید)
https://www.surveymonkey.co.uk/r/NMG6NJM
#M4hdi
〰〰〰〰〰〰〰〰
©@raspberry_python
www.surveymonkey.co.uk
Free Online Survey Software by SurveyMonkey: Closed Survey
This survey is currently closed. Please contact the author of this survey for further assistance.
👍5
هر دم از این باغ بری میرسد 😍🤟
یک #رشتو از آقای آنتونی شاو (twitter) @anthonypjshaw در مورد یکی از ایدههای سرعت بخشیدن به پایتون 3.12
ایشون کمی در مورد تغییر نحوهی ذخیرهی instructions از stack به cpu registers صحبت میکنن =)
https://telegra.ph/a-Twitter-thread-from-anthonypjshaw-11-03
#M4hdi
@raspberry_python
یک #رشتو از آقای آنتونی شاو (twitter) @anthonypjshaw در مورد یکی از ایدههای سرعت بخشیدن به پایتون 3.12
ایشون کمی در مورد تغییر نحوهی ذخیرهی instructions از stack به cpu registers صحبت میکنن =)
https://telegra.ph/a-Twitter-thread-from-anthonypjshaw-11-03
#M4hdi
@raspberry_python
Telegraph
a Twitter thread from @anthonypjshaw
1. Getting up to speed with the Python 3.12 ideas from the Faster CPython team. One that’s been thrown around is a CPU register allocator in the eval loop. Currently, Python opcodes use a “stack” to store and load objects between instructions 1/ 2. The proposal…
👍5
Codon: A high-performance Python compiler using LLVM
https://github.com/exaloop/codon
🔗 Python Hub (@PythonHub)
چی از اینا بهتر 😋😁
#M4hdi
#performance
#compiler
@raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ performance
دنبال کردن هشتگ compiler
https://github.com/exaloop/codon
🔗 Python Hub (@PythonHub)
چی از اینا بهتر 😋😁
#M4hdi
#performance
#compiler
@raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ performance
دنبال کردن هشتگ compiler
GitHub
GitHub - exaloop/codon: A high-performance, zero-overhead, extensible Python compiler with built-in NumPy support
A high-performance, zero-overhead, extensible Python compiler with built-in NumPy support - exaloop/codon
👍5😱1
The @StackOverflow developer survey results came out. 📊
https://survey.stackoverflow.co/2022/
I found some reasons why someone would want to learn or work using @FastAPI in the next months/year. 😅🤓👇
🔗 Sebastián Ramírez (@tiangolo)
چرا FastAPI یاد بگیریم 😁
#M4hdi
#survey
@raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ survey
https://survey.stackoverflow.co/2022/
I found some reasons why someone would want to learn or work using @FastAPI in the next months/year. 😅🤓👇
🔗 Sebastián Ramírez (@tiangolo)
چرا FastAPI یاد بگیریم 😁
#M4hdi
#survey
@raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ survey
👍5
وبالاخره، f string ها در پایتون پدر مادر دار شدن، و یک Syntactic formalization of f-strings براشون در PEP عه شماره 701 نوشته شد و *اگر* تایید بشه در پایتون 3.12 شاهد آن خواهیم بود.
"در کل" و "به صورت خیلی خلاصه" این PEP در این تصویر خلاصه میشه.
🔗 Pablo Galindo Salgado (@pyblogsal)
Finally, "PEP 701 - Syntactic formalization of f-strings" is ready 🚀🔥✨
We think this will make f-strings even more awesome but it will also help a lot with the maintenance of CPython 🤘
Thanks to my awesome co-authors @isidentical and @isidentical ♥️
https://peps.python.org/pep-0701/
#m4hdi
#PEP
#py312
#improvement
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ pep
دنبال کردن هشتگ py312
دنبال کردن هشتگ improvement
@raspberry_python
"در کل" و "به صورت خیلی خلاصه" این PEP در این تصویر خلاصه میشه.
🔗 Pablo Galindo Salgado (@pyblogsal)
Finally, "PEP 701 - Syntactic formalization of f-strings" is ready 🚀🔥✨
We think this will make f-strings even more awesome but it will also help a lot with the maintenance of CPython 🤘
Thanks to my awesome co-authors @isidentical and @isidentical ♥️
https://peps.python.org/pep-0701/
#m4hdi
#PEP
#py312
#improvement
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ pep
دنبال کردن هشتگ py312
دنبال کردن هشتگ improvement
@raspberry_python
👍6
✔️https://sourcery.ai/blog/dependency-rules/
یک معماری تمیز رو با قوانین مشخصی در مورد وابستگیها حفظ کنید
#m4hdi
#dependency
#rule
〰〰〰〰〰
@raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ dependency
دنبال کردن هشتگ rule
یک معماری تمیز رو با قوانین مشخصی در مورد وابستگیها حفظ کنید
#m4hdi
#dependency
#rule
〰〰〰〰〰
@raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ dependency
دنبال کردن هشتگ rule
sourcery.ai
Maintain A Clean Architecture With Dependency Rules
Disentangle the dependencies between your packages.
👍7
🐍 Python & Raspberry 🐍
Piccolo is a fast, user friendly ORM and query builder which supports asyncio.
✔️ شاید با شنیدن کلمهی ORM همهمون یاد SQLAlchamy یا Django ORM بیوفتیم، باشه اینا خیلی خوبن ولی لایبرریهای جدیدی که نوشته میشن دارن از تمام language featureهای نایس عه پایتون ۳ خصوصا 3.6 به بعد (Type Hints, F strings and async/await)
با قدرت استفاده میکنن و زیبایی خلق میکنن.
پیکولو، یکی از همین کتابخونههاست.
نویسندهی پیکولو چون از اوایل روزهای کاریش غرق در دنیای async بوده این ORM رو به صورت async first مینویسه :))
ولی میشه ازش به صورت sync هم استفاده کرد.
✔️ از دیگر ویژگیهاش
• A builtin playground, which makes learning a breeze.
• Tab completion support - works great with iPython and VSCode.
• Batteries included - a User model, authentication, migrations, an admin GUI, and more.
• Modern Python - fully type annotated.
• Make your codebase modular and scalable with Piccolo apps (similar to Django apps) 👌
میتونید ازش به عنوان یه کوئری بیلدر استفاده کنید:
# Select:
await Band.select(
Band.name
).where(
Band.popularity > 100
)
یا مثل یه ORM عادی باهاش رفتار کنید:
# To fetch an object from the database, and update it:
b = await Band.objects().get(Band.name == 'Pythonistas')
b.popularity = 10000
await b.save()
✔️ این ORM بهترین عملکرد رو با postgresql داره ولی از sqlite هم پشتیبانی میکنه و همچنین قسمت زیبای ماجرا اینه که از:
Starlette, FastAPI, BlackSheep, Xpresso and Starlite are currently supported.
هم برای ساختن web app های نایس پشتیبانی میکنه :))
🐙 https://github.com/piccolo-orm/piccolo
#m4hdi
#ORM
#library
#async
〰〰〰〰〰〰
©raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ orm
دنبال کردن هشتگ library
دنبال کردن هشتگ async
با قدرت استفاده میکنن و زیبایی خلق میکنن.
پیکولو، یکی از همین کتابخونههاست.
نویسندهی پیکولو چون از اوایل روزهای کاریش غرق در دنیای async بوده این ORM رو به صورت async first مینویسه :))
ولی میشه ازش به صورت sync هم استفاده کرد.
✔️ از دیگر ویژگیهاش
• A builtin playground, which makes learning a breeze.
• Tab completion support - works great with iPython and VSCode.
• Batteries included - a User model, authentication, migrations, an admin GUI, and more.
• Modern Python - fully type annotated.
• Make your codebase modular and scalable with Piccolo apps (similar to Django apps) 👌
میتونید ازش به عنوان یه کوئری بیلدر استفاده کنید:
# Select:
await Band.select(
Band.name
).where(
Band.popularity > 100
)
یا مثل یه ORM عادی باهاش رفتار کنید:
# To fetch an object from the database, and update it:
b = await Band.objects().get(Band.name == 'Pythonistas')
b.popularity = 10000
await b.save()
✔️ این ORM بهترین عملکرد رو با postgresql داره ولی از sqlite هم پشتیبانی میکنه و همچنین قسمت زیبای ماجرا اینه که از:
Starlette, FastAPI, BlackSheep, Xpresso and Starlite are currently supported.
هم برای ساختن web app های نایس پشتیبانی میکنه :))
🐙 https://github.com/piccolo-orm/piccolo
#m4hdi
#ORM
#library
#async
〰〰〰〰〰〰
©raspberry_python
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ orm
دنبال کردن هشتگ library
دنبال کردن هشتگ async
GitHub
GitHub - piccolo-orm/piccolo: A fast, user friendly ORM and query builder which supports asyncio.
A fast, user friendly ORM and query builder which supports asyncio. - piccolo-orm/piccolo
🔥7👍3
آزاد از تحریمهای آنلاین
با سرویس رفع تحریم 403
سرویسهای زیادی برای ما توسعهدهندهها تحریم هستن، مثل:
• Android Developers
• Visual Studio Installer
• Team Speak
• Google Developers
• Google Cloud
• Firebase
• CloudEra
• CoursEra
• Simple Note
• Chat GPT
• Spotify
• Google Lens
• Adobe
• Docker
• Nvidia experience
• GitLab
• Data Camp
• MongoDB
• Unity
• Trello
• Slack
• Apple Developers
• Unsplash
• AWS Amazon
• Gradle
• Android Studio
• Kaggle
• Math Works
• Jetbrains
و....
صرفا اونایی که توی کار ما بودن رو اسم آوردم
که خب یه راه برای دور زدن این تحاریم (جمع مکسرِ خودساختهیِ تحریم 😂) استفاده از فیلترشکن هست که این روزا میبینید به چه روزی افتادیم...
اما خب یه سرویس جدیدی به اسم 403 معرفی شده که میخواد چنین تحاریمی رو حل و فصل کنه 😃
403 چیست؟
۴۰۳ پلتفرمی برای برنامهنویسان و توسعهدهندگان عزیز کشورمان هست که امروزه با انواع تحریم و اختلال در توسعه پروژههای مورد نظرشان مواجهه هستند. این پروژه با پشتیبانی از پروتکلهای مختلف به کاربران این امکان این را میدهد که حذف مشکلات موجود به کتابخانهها و وبسایتهایی که برای توسعه نیاز دارد دسترسی داشته باشند. این سایت به مرور زمان توسط خود بازخورد کاربران تکمیل میشود تا تمام مشکلات این جامعه گرانقدر را رفع کند.
https://403.online/
https://403.online/how-to-use
استفاده کنید و لذت ببرید :)))
#m4hdi
#sanctions
#service
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ sanctions
دنبال کردن هشتگ service
با سرویس رفع تحریم 403
سرویسهای زیادی برای ما توسعهدهندهها تحریم هستن، مثل:
• Android Developers
• Visual Studio Installer
• Team Speak
• Google Developers
• Google Cloud
• Firebase
• CloudEra
• CoursEra
• Simple Note
• Chat GPT
• Spotify
• Google Lens
• Adobe
• Docker
• Nvidia experience
• GitLab
• Data Camp
• MongoDB
• Unity
• Trello
• Slack
• Apple Developers
• Unsplash
• AWS Amazon
• Gradle
• Android Studio
• Kaggle
• Math Works
• Jetbrains
و....
صرفا اونایی که توی کار ما بودن رو اسم آوردم
که خب یه راه برای دور زدن این تحاریم (جمع مکسرِ خودساختهیِ تحریم 😂) استفاده از فیلترشکن هست که این روزا میبینید به چه روزی افتادیم...
اما خب یه سرویس جدیدی به اسم 403 معرفی شده که میخواد چنین تحاریمی رو حل و فصل کنه 😃
403 چیست؟
۴۰۳ پلتفرمی برای برنامهنویسان و توسعهدهندگان عزیز کشورمان هست که امروزه با انواع تحریم و اختلال در توسعه پروژههای مورد نظرشان مواجهه هستند. این پروژه با پشتیبانی از پروتکلهای مختلف به کاربران این امکان این را میدهد که حذف مشکلات موجود به کتابخانهها و وبسایتهایی که برای توسعه نیاز دارد دسترسی داشته باشند. این سایت به مرور زمان توسط خود بازخورد کاربران تکمیل میشود تا تمام مشکلات این جامعه گرانقدر را رفع کند.
https://403.online/
https://403.online/how-to-use
استفاده کنید و لذت ببرید :)))
#m4hdi
#sanctions
#service
دنبال کردن هشتگ m4hdi
دنبال کردن هشتگ sanctions
دنبال کردن هشتگ service
👎51👍13
کدوم زبون رو دیدید که سه دهه زندگی کنه و هر سال بیشتر رشد کنه و محبوبیتش بیشتر بشه 😁
ولی خب چرا:
https://github.blog/2023-03-02-why-python-keeps-growing-explained/
#m4hdi
@raspberry_python
دنبال کردن هشتگ m4hdi
ولی خب چرا:
https://github.blog/2023-03-02-why-python-keeps-growing-explained/
#m4hdi
@raspberry_python
دنبال کردن هشتگ m4hdi
The GitHub Blog
Why Python keeps growing, explained
A deep dive into why more people are using Python than ever, its key use cases, and why it’s still so popular 30-plus years after it was first released.
👍8👎4
✅ شرکت آناکوندا وبسایت
https://pyscript.com/
رو لانچ کرد 😁🎉
یک SaaS رایگان برای استفاده از pyscript تا بتونید اپلیکیشنهای پایتونی رو توی مرورگر براحتی اجرا کنید 😁
#m4hdi
https://pyscript.com/
رو لانچ کرد 😁🎉
یک SaaS رایگان برای استفاده از pyscript تا بتونید اپلیکیشنهای پایتونی رو توی مرورگر براحتی اجرا کنید 😁
#m4hdi
👍13👎3
✔️ بررسی موشکافانهی منطقهی کدهای C زبان پایتون، اینبار متد
این مقاله چگونگی انجام عمل سادهی append در لیستها رو با بررسی کدهای مفسر CPython بهتون نشون میده و همچنین بررسی میکنه که این عمل از چه الگوریتمی به چه الگوریتمی رفته و چه اتفاقاتی افتاده 😁
📄 https://virgool.io/@liewpl/how-append-works-gp4apwtpr0bt
#m4hdi
#cpython
✒️ @pyeafp
〰〰〰〰〰〰〰
©@raspberry_python
append
از تایپ list
این مقاله چگونگی انجام عمل سادهی append در لیستها رو با بررسی کدهای مفسر CPython بهتون نشون میده و همچنین بررسی میکنه که این عمل از چه الگوریتمی به چه الگوریتمی رفته و چه اتفاقاتی افتاده 😁
📄 https://virgool.io/@liewpl/how-append-works-gp4apwtpr0bt
#m4hdi
#cpython
✒️ @pyeafp
〰〰〰〰〰〰〰
©@raspberry_python
🔥11👍2👏2