مطبات أداء التشغيل البيني

إن استدعاء Python من Mojo قوي، لكنه ليس مجانيًا. تساعدك معرفة التكاليف على إبقاء برنامجك سريعًا. 🐢

ينطوي كل عبور إلى Python على تكلفة إضافية، إذ يجب على Mojo التحدث إلى مفسر Python عند كل استدعاء.

يدفع استدعاء Python داخل حلقة ضيقة هذه الضريبة في كل تكرار. انقل مثل هذه الاستدعاءات إلى خارج الحلقة كلما أمكن.

بدلًا من إجراء استدعاءات صغيرة كثيرة، أرسل البيانات مرة واحدة ودَع NumPy تعالجها دفعةً واحدة، فتدفع تكلفة الجسر مرة واحدة فقط.

غالبًا ما يؤدي نقل البيانات الكبيرة عبر الجسر إلى نسخها إلى ذاكرة Python. وتستهلك النسخ الكبيرة وقتًا وتضاعف استخدامك للذاكرة.

يظل العمل على PythonObject يمر عبر الآلية الديناميكية في Python، وهو أبطأ بكثير من استخدام أنواع Mojo الأصلية.

بالنسبة إلى الحسابات المتكررة بكثافة، حوّل النتائج إلى أنواع Mojo الأصلية أولًا، ثم شغّل حلقاتك السريعة وعمليات SIMD عليها.

استخدم Python للإعداد والإدخال والإخراج. يجب أن تعمل نوى المعالجة المهمة للأداء بالكامل في تعليمات Mojo البرمجية الخالصة.

استدعِ import_module مرة واحدة، ثم أعد استخدام المقبض. تؤدي إعادة الاستيراد عند كل استدعاء إلى هدر الجهد دون فائدة.

لا تخمّن أين يضيع الوقت. قِس أولًا، فقد تكتشف أن الجسر، لا حساباتك، هو عنق الزجاجة الحقيقي.

عند استخدام التكامل البيني بحكمة، تحصل على أدوات Python دون فقدان السرعة: اعبر الجسر نادرًا، ثم أجرِ الحسابات في Mojo. ⚡

تذكّر أفضل طريقة لمنع تكامل Python البيني من إبطاء حلقة ساخنة.

تعلّمت أن للتكامل البيني تكلفة إضافية: اعبر الجسر نادرًا، واجمع بياناتك في دفعات، وحوّلها إلى أنواع أصلية، وأبقِ المسارات الساخنة في Mojo الخالصة. 🎯