大规模生产环境下的 Faster-CPython 主讲人： 王文洋 老板思维 已知：公司有xx个计算集群 每个集群有xxxxx个core Python进程占比xx% 如果：提升 10% 那么：可以节省 xx * xxxxx * xx% * 10%个core 降本 xx * xxxxx * xx% * 10% * n >> 我的工资 结论：。。。 Why Why Faster？ Why CPython？ 项目的存量代码 老板每天看到的PR Why CPython？ Why CPython？ 居然要写代码 居然要动环境 Why CPython？ Faster CPython https://github.com/faster-cpython https://github.com/faster-cpython Faster CPython • Inlined Python function calls • PEP 659: Specializing Adaptive Interpreter 动态语言的虚拟机可以根据执行中出现过的类型和值对代码进行特化，以提高运行效率。这种特化通常与 “JIT ”编译 器联系在一起。但即使没有编译成机器代码，这种优化也是有益的。 Execution Quicken Adaptive Instruction

为什么需要虚拟环境 为什么需要依赖管理 Pipenv 的简单使用 Python 包管理的未来 为什么需要虚拟环境 你是否遇到过这些问题： • 安装了包却提示导入失败 • 我的包安装到哪了？ • Python 版本升级了，原有的命令行程序全体罢工 • 对，说的就是Homebrew • 升级了某个库的版本，导致别的应用（库）挂了 • 可能需要隔离环境了 混乱的 Python 环境 Python • PYTHONPATH 增加额外搜索路径 • 所有 CLI 应用程序均隐式对应一个 Python 解释器 使用虚拟环境隔离 sys.prefix 决定寻找包的路径及安装包的路径 /usr/local/bin/python3.7 .venv/bin/python 每个环境都有不同的 sys.prefix $ python3.7 -m venv .venv 不佳实践 ❌ sudo pip homebrew 安装的 Python 安装命令行程序 ❌ export PYTHONPATH=$PYTHONPATH:/my/path/to/libs 最佳实践 ✅ 每个命令行程序使用自己单独的虚拟环境，然后将 executable 软链到 PATH 中 ✅ 尽量使用 Python 3 自带的 venv 模块 ✅ pipx install black ~/.venvs/black/bin/python

解放Python的 表达力，性能和安全性 Thautwarm 目录 CONTENTS 语法和语义扩展 JIT 静态类型 语法和语义扩展 表达力的扩展， 可用性的保留，白来的午餐？ 演示一小部分: 模式匹配, Quick Lambda, Pipe运算 语言决定思维模型 GNU-APL C++ Haskell 说 到 质 数 � 人 们 想 到 什 么 � 语言决定思维模型 虽然模式匹配似乎还不甚流行，但它仅是编 程语言走向未来必然经过的一个极其不起眼 的、实现简单的基础设施。 语言决定思维模型 在 实 际 业 务 中 处 理 数 据 � Python 语言决定思维模型 语言中的语法和语义， 决定了 它真实的表达力。 大多数语言都不是“万金油” 的，这是客观事实。 但它们不够“万金油”的问题 来源，不一定是不能解决的。 扩展语言，开阔思维 我预期的语法(及语义) 扩展系统: 1 发布，C扩展等等），在使用该系统后得以保持，拥有 工业级的可靠性和稳定性 6 如何工作？ Python Import 忽略Cache Loader, 只对源代码Loader 重写get_data方法 调用父get_data方法， 拿到源代码 moshmosh.extension. perform_extension 源码变换 扩展的语法和语义 并非naïve的，不卫生的 源码变换; 其作用是对

这是一篇什么文章？ 一篇你对测试开发工作感兴趣，想了解系统工作逻辑的文章。 一篇是你在开始动手搭建环境前需要了解各工具原理的文章。 这是一篇你真正开始前需要查阅的文章。 本文介绍了前后端工作原理，前后端搭建的流程、搭建过程中需要用到的技术以及 开发环境版本。 一、前后端如何工作 Django、Vue 和 Element UI 前后 端原理论述  作者：M&T. 2 《51 测试天地》七十四 接口。通过 Rest Framework，可以定义 API 视图和序列化器，实现数据的序列化和反序列化，从而方便地 与前端进行数据交互。 MySQL 是一个关系型数据库，用于存储后端的数据。 前端开发（Vue+Element UI）： Vue 是一种现代的 JavaScript 框架，用于构建用户界面。Vue 提供了丰富的组件和模 块，可以帮助开发者构建交互式的单页面应用（SPA）。 Element 发的解耦，使得各自的 开发工作更加专注和高效。前端负责用户界面的呈现和交互，后端负责数据处理和业务 逻辑，通过 API 接口进行数据传输和交互，从而实现一个完整的 Web 应用。 3 《51 测试天地》七十四 www.51testing.com 二、搭建流程 2.1 后端搭建流程 安装相关包->创建工程->后端依赖（pipenv）创建虚拟环境->后端服务配置启动->后 端创建子应用->后端

— Oleg Kiselyov 目录 CONTENTS 提供语法和语义的语言不仅仅是工具， 还是思维方式 表达能力的极限，由内破除， 还是从外破除？ Moshmosh： 我的Python不可能这么甜美清新 下班时在干什么？有没有空？可以来contribute吗? 1 提供语法和语义的语言 不仅仅是工具， 还是思维方式 “语言只是工具”是现代社会最为荒谬的说法之一。 语言一经产生，又成为思维存在和发展的必要因素。 Marx> 思维和语言是相互依存、相互促进的。语言是现实的思维，是思维的物质 外壳；语言的外壳又总是包含着思维的内容。思维的发展推动语言的发展，语言 的发展又促进思维的发展。一般来说，语言的发展水平标志着思维的发展水平。 但是，思维和语言又不是等同的，它们有各自的相对独立性和特殊规律。 语言思维是人类特有的意识形式，但它并不排斥人类直观思维、动作思维 和其他特 在codebase里猖獗； 抛弃更深远的抽象和语义，最终代码的编写成为了让人烦恼的苦力。 Python是有极限的！我不写Python了！ 摆 脱 编 程 语 言 给 你 的 限 制 ？ 我们不继续谈语言和思维的问题了，也不谈一些高级的特性是多么 make sense却没有支持。 就说Python。Python是有极限的，只从语义语法上讲。 和性能、GIL相关的问题我们放在一边。 1. 没有多行lambda

使用Python训练和部署低精度模型 （TensorFlow版） 张校捷 2019/9/21 目录 CONTENTS 低精度的概念和意义 TensorFlow的FP16模型 TensorRT的FP16/Int8模型 总结 1 低精度的概念和意义 实数的16-bit半精度浮点数和8-bit定点数表示 使用低精度的意义 深度学习模型中实数的表示 FP32: E8M23 FP16: SSD-RN50-FPN-640 2.5X speedup FP16浮点数（E5M10）的表示范围 FP16模型的训练方法 Int8模型的推断过程 2 TensorFlow的FP16模型 实数的16-bit半精度浮点数和8-bit定点数表示 使用低精度的意义 TensorCores适用条件 1. 卷积：K（输入通道），C（输出通道） 2. 通用矩阵乘法（GEMM）：MxK，KxN，（M，N，K） FP16: 大小为8x TensorFlow优化器 1. 使用 tf.train.experimental.MixedPrecisionLossScaleOptimizer 2. 损失函数缩放：FixedLossScale和DynamicLossScale # Define optimizer opt = tf.train.AdamOptimizer() # Define static loss scale loss_scale_value

Python3的新特性和改进 杭州美登科技 杜逸先 目录 CONTENTS Python的现状 Python3的新特性和改进 迁移到Python3 问答环节 1 Python的现状 Python的现状 Python2.7将于2020年1月1日停止维护 Python的现状 Python2.7将于2020年1月1日停止维护 主流Python包陆续终止对Python2的支持 Python的现状 Python3的新特性和改进 ——重要变化 Python3的新特性和改进——重要变化 Text Vs. Data Instead Of Unicode Vs. 8-bit 内容 类型 混合使用 Python3 Text Vs. Data str Vs. bytes ✖ Python2 Unicode Vs. 8-bit unicode Vs. str ✔ Python3的新特性和改进——重要变化 Python2 Python3的新特性和改进——重要变化 Python3 Python3的新特性和改进——重要变化 Python3的str和bytes不能混用！ Python3的新特性和改进——重要变化 求一段文本的MD5:Python2 Python3的新特性和改进——重要变化 求一段文本的MD5:Python3 Python3的新特性和改进——重要变化 Views And Iterators

Python JIT thautwarm The “Restrain” 目录 CONTENTS Preview 和其他JIT的比较 实现原理 如何参与开发 1 Preview 并行计算: SIMD并行, true threading 避开解释器开销: for-loop 避免嵌套函数开销: native function pointer, inline “All Add 2” Benchmark: “All Add 2” Benchmark: Method Time Pure Python 7.71 JIT 0.089 JIT + SIMD 0.098 2 和其他JIT的比较 我们知道有Numba, hope JIT, Graal Python, 但Restrain 是不同的。 我把Restrain的特性称为“CPython Compatible” implementation of our AM Machine Runner: 从AM到VM Julia Code Generation Julia Type Level Encoding 和Python不一样， Julia在运行时不能随意地eval。 生成的Julia代码需要经过一些tricky的处理， 也就是将AST编码为Julia类型， 然后 使用Julia独特的基于类型的Staging代码生成…

1 2 3 IT运维的挑战 • 复杂度越来越⾼高： • 架构演变：SaaS、多云、容器器、微服务等 • 数据孤岛越来越多：⼤大数据的3V（容量量、变化、种类） • 成本越来越⾼高： • 业务中断成本 • 缺少持续改进（运维⼈人员⼤大部分时间忙于救⽕火） • ⼈人员学习速度跟不不上业务增⻓长和问题出现的速度 基本概念 • AIOps = Artificial Intelligence AIOps系统架构 • 场景应⽤用 • 智能监测系统 • ⾃自动化系统 • ⼯工单知识库 • 数据湖 • 监控⽣生态系统 • 数据源 数据的摄取挑战 • 各种来源： • SaaS、多云、容器器、微服务、主机、应⽤用等 • 各种数据样式： • Log、Tracking、Event；Metrics、IoT data；⽹网络数据； • ⽂文本、⼯工单、知识库；API；代码等 方数据关联 • 数据⽣生命周期管理理（时序数据的归并、变化数据更更新等） 机器器学习对分析增强的⽅方向 增强点 描述 统计性分析 基于IT实体与数据，在单维、多维变量量上的关联、聚类、分类和推断。 ⾃自动模式发现与预测 基于历史数据⾃自动探索出数学与结构化模式，并⽤用于各种可能维度的预测。 异常检测 基于模式识别正常⾏行行为与异常⾏行行为。 根因判断 修剪⽹网络并提供有效问题的关系链接。