Ten artykuł opisuje wyniki testów wydajnościowych dla Pythona 3.9 w porównaniu do poprzedniej wersji tego języka programowania, którym jest Python 3.8. W sumie zostało przeprowadzono 89 różnych testów porównawczych na komputerach z procesorem serii AMD Ryzen 7000 oraz procesorem Intel Core 13. generacji. Jeden z nich używany jest w komputerach stacjonarnych, drugi – w laptopach lub komputerach mini PC.
Wszystkie testy zostały przeprowadzone na komputerach z systemem Windows 11 przy użyciu biblioteki pyperformance 1.0.9 w Pythonie 3.8.10 oraz Pythonie 3.9.13 (obie wersje 64-bitowe).
Procesor AMD Ryzen z serii 7000 do komputerów stacjonarnych
Pierwsza część testów obejmowała komputer stacjonarny z procesorem AMD Ryzen 9 7900, pamięcią RAM DDR5 i dyskiem M.2 PCIe Gen4 NVMe. Poniższa tabela przedstawia wyniki 89 testów przeprowadzonych przy użyciu Pythona 3.8 (jako punktu odniesienia) i Pythona 3.9 na tym urządzeniu.
| Nazwa testu | Python 3.8 | Python 3.9 |
|---|---|---|
| 2to3 | 216 ms | 217 ms (nieistotne) |
| async_generators | 231 ms | 221 ms (1.04x szybciej) |
| async_tree_cpu_io_mixed | 683 ms | 682 ms (nieistotne) |
| async_tree_io | 1.35 sec | 1.33 sec (1.01x szybciej) |
| async_tree_memoization | 552 ms | 559 ms (nieistotne) |
| async_tree_none | 456 ms | 479 ms (1.05x wolniej) |
| asyncio_tcp | 650 ms | 619 ms (1.05x szybciej) |
| asyncio_tcp_ssl | 1.84 sec | 1.76 sec (1.04x szybciej) |
| bench_mp_pool | 55.1 ms | 56.7 ms (1.03x wolniej) |
| bench_thread_pool | 727 us | 706 us (1.03x szybciej) |
| chameleon | 7.19 ms | 6.03 ms (1.19x szybciej) |
| chaos | 60.9 ms | 57.6 ms (1.06x szybciej) |
| comprehensions | 14.3 us | 14.5 us (nieistotne) |
| coroutines | 21.9 ms | 21.4 ms (1.02x szybciej) |
| coverage | 25.4 ms | 25.5 ms (nieistotne) |
| create_gc_cycles | 602 us | 635 us (1.05x wolniej) |
| crypto_pyaes | 65.0 ms | 61.8 ms (1.05x szybciej) |
| dask | 265 ms | 269 ms (1.02x wolniej) |
| deepcopy | 252 us | 245 us (1.03x szybciej) |
| deepcopy_memo | 29.0 us | 28.3 us (1.02x szybciej) |
| deepcopy_reduce | 2.24 us | 2.19 us (1.02x szybciej) |
| deltablue | 4.06 ms | 4.00 ms (1.01x szybciej) |
| django_template | 29.4 ms | 28.4 ms (1.03x szybciej) |
| docutils | 1.54 sec | 1.57 sec (1.02x wolniej) |
| dulwich_log | 43.9 ms | 42.7 ms (1.03x szybciej) |
| fannkuch | 264 ms | 263 ms (nieistotne) |
| float | 67.4 ms | 66.6 ms (1.01x szybciej) |
| gc_traversal | 1.43 ms | 1.20 ms (1.19x szybciej) |
| generators | 33.5 ms | 32.8 ms (1.02x szybciej) |
| genshi_text | 18.7 ms | 19.1 ms (1.02x wolniej) |
| genshi_xml | 139 ms | 140 ms (1.08x szybciej) |
| hexiom | 5.57 ms | 5.26 ms (1.06x szybciej) |
| html5lib | 41.4 ms | 41.6 ms (nieistotne) |
| json_dumps | 8.16 ms | 8.28 ms (1.02x wolniej) |
| json_loads | 15.8 us | 14.0 us (1.13x szybciej) |
| logging_format | 6.29 us | 6.22 us (1.01x szybciej) |
| logging_silent | 104 ns | 104 ns (nieistotne) |
| logging_simple | 5.92 us | 5.78 us (1.02x szybciej) |
| mako | 9.58 ms | 9.41 ms (1.02x szybciej) |
| mdp | 1.64 sec | 1.77 sec (1.08x wolniej) |
| meteor_contest | 64.7 ms | 63.7 ms (1.02x szybciej) |
| nbody | 76.8 ms | 80.7 ms (1.05x wolniej) |
| nqueens | 60.8 ms | 57.7 ms (1.05x szybciej) |
| pathlib | 81.5 ms | 80.5 ms (1.01x szybciej) |
| pickle | 6.68 us | 6.98 us (1.04x wolniej) |
| pickle_dict | 17.9 us | 17.9 us (nieistotne) |
| pickle_list | 2.57 us | 2.49 us (1.03x szybciej) |
| pickle_pure_python | 255 us | 250 us (1.02x szybciej) |
| pidigits | 136 ms | 139 ms (1.02x wolniej) |
| pprint_pformat | 902 ms | 900 ms (nieistotne) |
| pyflate | 394 ms | 394 ms (nieistotne) |
| python_startup | 17.8 ms | 17.7 ms (1.01x szybciej) |
| python_startup_no_site | 13.4 ms | 13.2 ms (1.02x szybciej) |
| raytrace | 272 ms | 267 ms (1.02x szybciej) |
| regex_compile | 88.5 ms | 86.8 ms (1.02x szybciej) |
| regex_dna | 116 ms | 106 ms (1.09x szybciej) |
| regex_effbot | 1.90 ms | 1.81 ms (1.05x szybciej) |
| regex_v8 | 15.1 ms | 14.9 ms (1.01x szybciej) |
| richards | 38.3 ms | 38.0 ms (1.01x szybciej) |
| richards_super | 47.1 ms | 48.5 ms (1.03x wolniej) |
| scimark_fft | 212 ms | 205 ms (1.03x szybciej) |
| scimark_lu | 86.3 ms | 85.4 ms (1.01x szybciej) |
| scimark_monte_carlo | 58.1 ms | 57.9 ms (nieistotne) |
| scimark_sor | 104 ms | 105 ms (nieistotne) |
| scimark_sparse_mat_mult | 3.08 ms | 3.04 ms (1.01x szybciej) |
| spectral_norm | 81.9 ms | 79.7 ms (1.03x szybciej) |
| sqlalchemy_declarative | 72.5 ms | 72.4 ms (nieistotne) |
| sqlalchemy_imperative | 8.39 ms | 8.55 ms (1.02x wolniej) |
| sqlglot_normalize | 185 ms | 181 ms (1.02x szybciej) |
| sqlglot_optimize | 35.0 ms | 34.6 ms (1.01x szybciej) |
| sqlglot_parse | 1.17 ms | 1.20 ms (1.03x wolniej) |
| sqlglot_transpile | 1.36 ms | 1.36 ms (nieistotne) |
| sqlite_synth | 1.83 us | 1.68 us (1.09x szybciej) |
| sympy_expand | 255 ms | 261 ms (1.03x wolniej) |
| sympy_integrate | 12.3 ms | 12.8 ms (1.04x wolniej) |
| sympy_str | 155 ms | 159 ms (1.02x wolniej) |
| sympy_sum | 86.3 ms | 87.4 ms (1.01x wolniej) |
| telco | 3.62 ms | 3.89 ms (1.07x wolniej) |
| tomli_loads | 1.65 sec | 1.57 sec (1.05x szybciej) |
| tornado_http | 101 ms | 101 ms (nieistotne) |
| typing_runtime_protocols | 316 us | 301 us (1.05x szybciej) |
| unpack_sequence | 34.3 ns | 35.0 ns (1.02x wolniej) |
| unpickle | 9.60 us | 7.90 us (1.21x szybciej) |
| unpickle_list | 2.70 us | 2.87 us (1.06x wolniej) |
| unpickle_pure_python | 175 us | 171 us (1.02x szybciej) |
| xml_etree_generate | 57.9 ms | 53.7 ms (1.08x szybciej) |
| xml_etree_iterparse | 55.3 ms | 55.4 ms (nieistotne) |
| xml_etree_parse | 85.7 ms | 84.1 ms (1.02x szybciej) |
| xml_etree_process | 44.7 ms | 42.9 ms (1.04x szybciej) |
| Wynik (średnia geometryczna) | 1.02x szybciej |
Przeprowadzona analiza wskazuje na to, że Python 3.9 ma najlepsze wyniki wydajnościowe w porównaniu do Pythona 3.8 w następujących testach: unpickle (1.21x szybciej), chameleon (1.19x szybciej), gc_traversal (1.19x szybciej). Można jednak zauważyć spadek wydajności w niektórych testach, szczególnie w genshi_xml (1.08x szybciej), mdp (1.08x wolniej), telco (1.07x wolniej).
Dodatkowo można sprawdzić różnice w wydajności pomiędzy Pythonem 3.9 i Pythonem 3.8 w oparciu o testy należące do określonych grup. Poniższa tabela przedstawia średnią geometryczną dla testów porównawczych w ramach poszczególnych grup dla Pythona 3.9 w porównaniu z Pythonem 3.8.
| Grupa testów | Python 3.9 w porównaniu do Pythona 3.8 |
|---|---|
| apps | 1.03x szybciej |
| asyncio | 1.01x wolniej |
| math | 1.02x wolniej |
| regex | 1.04x szybciej |
| serialize | 1.03x szybciej |
| startup | 1.01x szybciej |
| template | 1.03x szybciej |
Procesor Intel Core 13. generacji dla urządzeń mobilnych
Druga część testów obejmowała komputer mini PC z procesorem Intel Core i3-1315U (który jest również używany w laptopach), pamięcią RAM DDR4 i dyskiem M.2 PCIe Gen4 NVMe. Poniższa tabela przedstawia wyniki 89 testów przeprowadzonych przy użyciu Pythona 3.8 (jako punktu odniesienia) i Pythona 3.9 na tym urządzeniu.
| Nazwa testu | Python 3.8 | Python 3.9 |
|---|---|---|
| 2to3 | 286 ms | 281 ms (1.02x szybciej) |
| async_generators | 255 ms | 249 ms (1.02x szybciej) |
| async_tree_cpu_io_mixed | 709 ms | 708 ms (nieistotne) |
| async_tree_io | 1.17 sec | 1.17 sec (nieistotne) |
| async_tree_memoization | 574 ms | 583 ms (nieistotne) |
| async_tree_none | 460 ms | 479 ms (1.04x wolniej) |
| asyncio_tcp | 944 ms | 912 ms (1.04x szybciej) |
| asyncio_tcp_ssl | 2.29 sec | 2.24 sec (1.02x szybciej) |
| bench_mp_pool | 87.9 ms | 92.4 ms (1.05x wolniej) |
| bench_thread_pool | 1.21 ms | 1.20 ms (nieistotne) |
| chameleon | 11.6 ms | 6.93 ms (1.67x szybciej) |
| chaos | 70.1 ms | 69.2 ms (1.01x szybciej) |
| comprehensions | 17.8 us | 16.3 us (1.09x szybciej) |
| coroutines | 28.2 ms | 25.4 ms (1.11x szybciej) |
| coverage | 26.1 ms | 25.2 ms (1.03x szybciej) |
| create_gc_cycles | 861 us | 883 us (1.03x wolniej) |
| crypto_pyaes | 73.8 ms | 70.5 ms (1.05x szybciej) |
| dask | 440 ms | 436 ms (nieistotne) |
| deepcopy | 296 us | 288 us (1.03x szybciej) |
| deepcopy_memo | 32.5 us | 31.2 us (1.04x szybciej) |
| deepcopy_reduce | 2.53 us | 2.52 us (nieistotne) |
| deltablue | 4.49 ms | 4.50 ms (nieistotne) |
| django_template | 34.1 ms | 34.6 ms (nieistotne) |
| docutils | 2.03 sec | 2.08 sec (1.02x wolniej) |
| dulwich_log | 56.7 ms | 57.7 ms (1.02x wolniej) |
| fannkuch | 297 ms | 289 ms (1.03x szybciej) |
| float | 74.7 ms | 73.1 ms (1.02x szybciej) |
| gc_traversal | 1.74 ms | 1.69 ms (1.02x szybciej) |
| generators | 35.5 ms | 34.4 ms (1.03x szybciej) |
| genshi_text | 21.3 ms | 21.1 ms (1.01x szybciej) |
| genshi_xml | 160 ms | 157 ms (1.50x szybciej) |
| hexiom | 6.07 ms | 5.86 ms (1.04x szybciej) |
| html5lib | 55.5 ms | 56.1 ms (nieistotne) |
| json_dumps | 9.12 ms | 8.96 ms (1.02x szybciej) |
| json_loads | 22.6 us | 16.5 us (1.37x szybciej) |
| logging_format | 7.35 us | 7.50 us (1.02x wolniej) |
| logging_silent | 110 ns | 110 ns (nieistotne) |
| logging_simple | 6.94 us | 6.97 us (nieistotne) |
| mako | 11.0 ms | 10.5 ms (1.05x szybciej) |
| mdp | 1.93 sec | 1.99 sec (1.03x wolniej) |
| meteor_contest | 81.6 ms | 81.9 ms (nieistotne) |
| nbody | 78.6 ms | 81.5 ms (1.04x wolniej) |
| nqueens | 73.5 ms | 69.8 ms (1.05x szybciej) |
| pathlib | 75.3 ms | 74.6 ms (nieistotne) |
| pickle | 7.56 us | 7.89 us (1.04x wolniej) |
| pickle_dict | 20.0 us | 20.0 us (nieistotne) |
| pickle_list | 3.07 us | 3.01 us (1.02x szybciej) |
| pickle_pure_python | 295 us | 292 us (1.01x szybciej) |
| pidigits | 167 ms | 170 ms (1.02x wolniej) |
| pprint_pformat | 1.06 sec | 1.05 sec (1.01x szybciej) |
| pyflate | 471 ms | 471 ms (nieistotne) |
| python_startup | 25.1 ms | 25.1 ms (nieistotne) |
| python_startup_no_site | 19.9 ms | 19.8 ms (nieistotne) |
| raytrace | 304 ms | 301 ms (1.01x szybciej) |
| regex_compile | 112 ms | 112 ms (nieistotne) |
| regex_dna | 153 ms | 147 ms (1.04x szybciej) |
| regex_effbot | 1.86 ms | 1.78 ms (1.04x szybciej) |
| regex_v8 | 17.1 ms | 16.5 ms (1.04x szybciej) |
| richards | 42.5 ms | 41.1 ms (1.04x szybciej) |
| richards_super | 53.2 ms | 51.7 ms (1.03x szybciej) |
| scimark_fft | 212 ms | 211 ms (nieistotne) |
| scimark_lu | 88.4 ms | 87.0 ms (1.02x szybciej) |
| scimark_monte_carlo | 66.7 ms | 65.7 ms (1.02x szybciej) |
| scimark_sor | 114 ms | 111 ms (1.03x szybciej) |
| scimark_sparse_mat_mult | 2.99 ms | 2.95 ms (1.01x szybciej) |
| spectral_norm | 86.6 ms | 86.0 ms (1.01x szybciej) |
| sqlalchemy_declarative | 115 ms | 115 ms (nieistotne) |
| sqlalchemy_imperative | 13.0 ms | 13.3 ms (1.02x wolniej) |
| sqlglot_normalize | 217 ms | 207 ms (1.05x szybciej) |
| sqlglot_optimize | 41.3 ms | 41.0 ms (1.01x szybciej) |
| sqlglot_parse | 1.39 ms | 1.38 ms (1.01x szybciej) |
| sqlglot_transpile | 1.64 ms | 1.62 ms (1.02x szybciej) |
| sqlite_synth | 2.35 us | 2.26 us (1.04x szybciej) |
| sympy_expand | 336 ms | 352 ms (1.05x wolniej) |
| sympy_integrate | 16.6 ms | 16.7 ms (1.01x wolniej) |
| sympy_str | 207 ms | 212 ms (1.02x wolniej) |
| sympy_sum | 116 ms | 115 ms (nieistotne) |
| telco | 4.24 ms | 4.38 ms (1.03x wolniej) |
| tomli_loads | 1.78 sec | 1.75 sec (1.02x szybciej) |
| tornado_http | 140 ms | 142 ms (1.01x wolniej) |
| typing_runtime_protocols | 374 us | 361 us (1.04x szybciej) |
| unpack_sequence | 39.6 ns | 40.9 ns (1.03x wolniej) |
| unpickle | 10.7 us | 9.05 us (1.18x szybciej) |
| unpickle_list | 2.98 us | 2.99 us (nieistotne) |
| unpickle_pure_python | 233 us | 199 us (1.17x szybciej) |
| xml_etree_generate | 73.5 ms | 59.5 ms (1.24x szybciej) |
| xml_etree_iterparse | 75.3 ms | 69.7 ms (1.08x szybciej) |
| xml_etree_parse | 122 ms | 113 ms (1.08x szybciej) |
| xml_etree_process | 57.7 ms | 54.6 ms (1.06x szybciej) |
| Wynik (Średnia geometryczna) | 1.03x szybciej |
Przeprowadzona analiza wskazuje na to, że Python 3.9 ma najlepsze wyniki wydajnościowe w porównaniu do Pythona 3.8 w następujących testach: chameleon (1.67x szybciej), genshi_xml (1.50x szybciej), json_loads (1.37x szybciej). Można jednak zauważyć spadek wydajności w niektórych testach, szczególnie w bench_mp_pool (1.05x wolniej), sympy_expand (1.05x wolniej), async_tree_none (1.04x wolniej).
Dodatkowo można sprawdzić różnice w wydajności pomiędzy Pythonem 3.9 i Pythonem 3.8 w oparciu o testy należące do określonych grup. Poniższa tabela przedstawia średnią geometryczną dla testów porównawczych w ramach poszczególnych grup dla Pythona 3.9 w porównaniu z Pythonem 3.8.
| Grupa testów | Python 3.9 w porównaniu do Pythona 3.8 |
|---|---|
| apps | 1.10x szybciej |
| asyncio | 1.01x wolniej |
| math | 1.01x wolniej |
| regex | 1.03x szybciej |
| serialize | 1.08x szybciej |
| template | 1.12x szybciej |