7.09.2025 состоялся релизPithon 3.14!
На фоне хайпа про NoGIL всё позабыли про другие фичи. Особенно про Multiple Interpreters, который обещает изоляцию процессов но с эффективностью потоков! На сколько действительно это будет эффективно мы узнаем позже, потому что сейчас это лишь первый релиз с ограничениями и недоработками.
Но что там про NoGIL? Теперь этот режим не экспериментальный, а официально поддерживаемый, но опциональный.
Чтобы запустить без GIL нужна специальная сборка. И перед стартом нужно объявить переменную PYTHON_GIL=0
Для вас я собрал готовый репозиторий где достаточно запустить скрпит, который всё сделает:
▫️ соберет релизный Python 3.14 в новый Docker-образ
▫️ запустит тесты в контейнере (GIL, NoGIL, MultiInterpreter)
▫️ распечатает результаты
Тест очень простой, усложняйте сами)
Вот какие результаты у меня:
=== Running ThreadPoolExecutor GIL ON
TOTAL TIME: 45.48 seconds
=== Running ThreadPoolExecutor GIL OFF
TOTAL TIME: 6.14 seconds
=== Running basic Thread GIL ON
TOTAL TIME: 45.54 seconds
=== Running basic Thread GIL OFF
TOTAL TIME: 4.74 seconds
=== Running with Multi Interpreter
TOTAL TIME: 18.30 seconds
Если сравнивать GIL и NoGIL, то на мои 32 ядра прирост х7-x10 (почему не х32? 🤷). При этом нам обещают что скорости будут расти с новыми релизами.
Режим без GIL похож (визуально) на async, тоже параллельно, тоже не по порядку. Но это не IO! и от того некоторый диссонанс в голове 😵💫, нас учили не так!
Интересно, что чистый Thread работает быстрей чем ThreadPoolExecutor без GIL.
Ну и где-то плачет один адепт мульти-интерпретаторов😭 Теперь нужно искать где они могут пригодиться с такой-то скоростью. Скорее всего своя область применения найдется.
Отдельно я затестил память и вот что вышло на 32 потока:
ThreadPoolExecutor GIL ON
305.228 MB
ThreadPoolExecutor GIL OFF
500.176 MB
basic Thread GIL ON
90.668 MB
basic Thread GIL OFF
472.444 MB
with Multi Interpreter
1267.788 MB
Пока не знаю как к этому относиться)
В целом - радует направление развития!
#release
🤖Создавай ботов и ассистентов с доступом к большим объемам информации!
В нашем сервисе вы можете создавать Telegram-ботов и GPTs-ассистентов, используя векторные базы данных.
Это позволяет:
• Боту искать релевантную информацию в базе данных для ответа на запрос
• Загружать большие массивы данных без перегрузки контекста в чате с моделью
Смотрите наш подробный скринкаст, где мы показали как создать и использовать векторную базу данных в GPTunneL
🌐YouTube |
🌐Rutube
#b2b@gptunnel#assistant@gptunnel#bd@gptunnel
Рейтинг архитектурных фирм в области S+T
Отчет BD+C's 2025 Giants 400 Report представляет передовые компании в архитектуре научно-технических сооружений в США. Лидерами стали Gensler, Page и HDR с выручкой более $100 млн каждая. Эти компании фокусируются на разработке лаборатоий, исследовательских зданий и производственных предприятий.
Gensler занимает первое место с выручкой в $133,5 млн, подчеркивая свою неоспоримую позицию на рынке. Другие участники, такие как HOK и Flad Architects, также играют значительную роль в создании инновационных объектов.
Отчет демонстрирует, как архитектура играет ключевую роль в научно-техническом прогрессе. Это подтверждает важность интеграции инженерии и дизайна в современном строительстве.
#Архитектура#НаукаИТехнологии#СтроительныеТренды#BD+C2025
@stroynewsrussia