Faster Python, beyond semantic interposition
Ninguém assumiu esta issue ainda.
Avaliação
- Dificuldade
- 5/5
- Tempo estimado
- Mais de uma semana
- Facilidade para iniciantes
- 25/100
- Tipo de issue
- Funcionalidade
- Clareza
- Precisa de esclarecimento
- Status de atividade
- Estagnada
- Stack de tecnologia
- docker, python
- Domínio
- devops, performance
Direção de pesquisa
Comece reproduzindo os resultados de pystone relatados com Docker e Podman nas imagens Fedora, Ubuntu, Debian slim e Conda-Forge listadas na issue. Compare o runtime do Python e as condições das imagens que diferem entre essas execuções. A tarefa estará concluída quando uma causa específica e reproduzível para a diferença de desempenho for identificada e uma melhoria acionável for documentada.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
#501 has a useful suggestion for speeding up Python by ~20%. After that's done, it's actually possible to do better.
Host is Fedora 33. All tests were run with Python 3.9.
On host:
- Fedora's Python gives 200K pystone/sec.
- Conda-Forge Python gives 240K pystone/sec.
Running inside Docker 20.04 (cgroups v2 enabled):
- fedora:33 gives 173K pystone/sec.
- python:3.9-slim-buster, I get 169K pystone/sec.
- ubuntu:20.04 (no shared library): 183K pystone/sec.
- continuumio/miniconda3 with Python from Conda-Forge: 189K/sec
I am mystified why things are so much slower inside Docker. Some of this is clearly not because of the image, but the runtime. But notice the Ubuntu image is definitely faster.
With podman:
- python:3.9-slim-buster: 204K/sec
- continuumio/miniconda3 with Python from Conda-Forge: 230K/sec
Note that the Anaconda (default Conda) Python 3.9 does not appear faster, it's specifically whatever Conda-Forge does. I am trying to figure that out.
- Linguagem predominante
- Dockerfile
- Estrelas
- 2.8k
- Forks
- 1.1k
- Merge médio
- 3d 1h
- PRs com merge (30d)
- 1
Guia de contribuição
Nenhum guia de contribuição indexado para este repositório
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de docker-library/python
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 72/100
docker-library/python#1080 · 8 comentários ·
-
Dificuldade 4/5 3-5 dias Facilidade para iniciantes 45/100
docker-library/python#1121 · 2 comentários ·
-
Provide 3.13t & 3.14t images Aberta
Dificuldade 4/5 3-5 dias Facilidade para iniciantes 45/100
docker-library/python#1082 · 10 comentários · 36 reações ·
-
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 55/100
docker-library/python#1076 · 6 comentários · 1 reação ·
-
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 52/100
docker-library/python#1071 · 7 comentários ·
Todas as issues de docker-library/python
Issues semelhantes
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 70/100
Azure/azure-functions-docker#1257 ·
-
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 75/100
conda-forge/vowpalwabbit-feedstock#104 · 1 comentário · 1 reação ·
-
Add 4.2.2 Kafka version Abertagood-start
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 65/100
-
deploy.sh hardcodes --dest while components.conf advertises WITH_PROXY_CA_BUNDLE as env-overridable Abertaarea:proxy bug security severity:low track:open-source
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 70/100
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
components-web-app/docs#73 ·