Mitos e contos de fadas sobre o desempenho do Python

Principais pontos

• Noções comuns sobre o desempenho do Python, como a ideia de que simplesmente usar um compilador JIT ou adicionar type hints melhorará bastante a performance, são enganosas.
• Padrões ineficientes de acesso à memória, causados pela tipagem dinâmica e pelo modelo de objetos do Python, geram os gargalos fundamentais de desempenho.
• O gerenciamento de memória é o limite definitivo para melhorar a performance do Python, e sem resolver isso é difícil obter ganhos reais.
• Como alternativa de longo prazo para resolver esses problemas de base, foi apresentado o novo projeto SPy.

Detalhes

Antonio Cuni, desenvolvedor de longa data do PyPy, apresentou na EuroPython 2025 a palestra "Mitos e contos de fadas sobre o desempenho do Python". Ele apontou que muitas ideias correntes sobre a performance do Python não correspondem à realidade.

Segundo Cuni, um compilador JIT (Just-In-Time) certamente ajuda a melhorar a performance, mas não é uma solução milagrosa. Mesmo que o JIT otimize o código, ele não consegue resolver o problema fundamental da baixa eficiência de cache, causado pela estrutura de memória dos objetos Python e pelos frequentes padrões de alocação e liberação de memória.

Ele também explicou que a checagem estática de tipos (Static Type Checking), muito usada atualmente, também não melhora diretamente a performance do CPython. Os type hints aumentam a clareza do código, mas as características dinâmicas do Python continuam sendo um obstáculo para que o compilador JIT use essas informações para otimizar o código de forma mais agressiva.

Em conclusão, Cuni enfatizou que o verdadeiro limite da performance do Python não está na velocidade da CPU, mas no gerenciamento de memória. Ele apresentou o SPy como um projeto em estágio inicial para resolver esse problema e propôs a visão de que só será possível criar um Python ultrarrápido ao melhorar de forma fundamental o modelo de memória da linguagem.