ハイパフォーマンスPython 第2版

7章Cにコンパイルする

7章を読めば以下の問いに答えられるようになる

• Pythonのコードを低水準コードとして実行する方法は？
• JITコンパイラとAOTコンパイラの違いは何か？
• どのような処理がコンパイルすると高速化できるか？
• データ型の注釈を付けると、コンパイルしたPythonコードを高速化できる理由は？
• CやFortranを使ったモジュールの書き方は？
• CやFortranのライブラリをPythonで使う方法は？

　コードを高速化する一番簡単な方法は、処理を減らすことです。最良のアルゴリズムを選択済みで、処理するデータ量を減らしているのなら、実行する命令数を減らす一番簡単な方法は、コードを機械語にコンパイルすることです。

　Pythonにはさまざまなコンパイラの選択肢があります。CythonのようなCに基づくコンパイラ、NumbaのようなLLVMに基づくコンパイラ、PyPyのような実行時（Just-In-Time：JIT）コンパイラを内蔵する仮想マシンなどがあります。どれを採用するかは、コードの変更しやすさとチームの開発速度のバランスを取って決める必要があります。

　どのツールを使うにせよ、依存関係が増えることは避けられません。さらにCythonでは新しい種類の言語（PythonとCのハイブリッド）で書く必要があるので、その習得に時間がかかります。Cythonを導入すると、Cを知らないメンバーがついていけず、チームの開発速度を低下させることもありえます。ただし、実際には、コードのごく一部で使うだけなので、それほど問題にはならないでしょう。

　なにはさておき、まずはCPUとメモリのプロファイリングをして、高水準のアルゴリズムにおいて最適化できないか考えるべきです。アルゴリズムが変われば（たとえば、計算を回避する工夫や再計算を回避するキャッシュ法など）、不必要な処理を減らすのに役立ちます。Pythonの読みやすさも、アルゴリズム的に最適化するのに役立ちます。Radim ...