概要

• EuroPython 2025で Antonio Cuni が「Pythonパフォーマンスの神話とおとぎ話」について講演
• Pythonのパフォーマンスに関する 誤解や神話 を実例で解説
• メモリ管理 がPython高速化の最終的な壁であると指摘
• 静的型付けやJIT導入でも 本質的な問題 は解決しない現状
• 新プロジェクト SPy による超高速Python実現への期待

EuroPython 2025講演：「Pythonパフォーマンスの神話とおとぎ話」

• 講演者は PyPy開発者 であり、長年Pythonのパフォーマンスに取り組む Antonio Cuni

• 会場で「Pythonは遅いと思うか」と質問、多くの手が挙がる

• 「Pythonは遅くない」「Pythonはグルー言語だから速度は問題ない」といった 神話の否定

• Pythonで十分速いプログラムもあるが、 全ての用途に適しているわけではない

• パフォーマンスが求められる場面では CythonやNumba などの利用が進む現状

  • Pythonが速いとされる用途と、全てのPythonプログラムの関係を ベン図 で説明

• 「グルー言語だからホットスポットだけC/C++やRustで書けば良い」という 考えの限界

  • パレートの法則 （80/20則）や アムダールの法則 により、最適化には限界がある

Pythonが遅い本当の理由

• 「インタプリタだから遅い」は 部分的な真実 に過ぎない
• 例：p.x * 2 という表現でも、Pythonでは 多段階の処理とメモリアロケーション が発生
• これらは 言語の動的性質 に起因し、インタプリタか否かは本質的な問題ではない

静的型付けと最適化の誤解

• Pythonの型アノテーションは 実行時に強制されない
• 型ヒントがあっても、 実際には様々な型の値が渡される可能性 がある
• クラス定義や特殊メソッドの削除、インポートの動的変更など、 静的解析・コンパイルの困難性 を例示

JIT導入の限界と「最適化チェイシング」

• JIT導入で 高速化は可能だが、実装は複雑化
• JITの挙動を意識した コード設計が必要 となり、パフォーマンス予測が難しい
• 一部の最適化が崩れると 全体が急激に遅くなる現象 （最適化チェイシング）の発生

Pythonの極端な動的性質

• import文の挙動やグローバル変数の値、型アノテーション、デコレータなど、 何が起きるかコンパイラは予測困難
• 99%のケースでは素直な使い方だが、 1%のダイナミズムがPythonの魅力 でもある
• ライブラリ開発者が ダイナミックな機能 を活用して使いやすいAPIを実現

コンパイラゲーム：何も信じられないPythonコード

• 動的属性追加、ランダムなメソッド定義、__new__のトリック、グローバルの差し替えなど 極端な例 を紹介
  • これらが 最適化や静的解析の壁 となる

抽象化とパフォーマンスのトレードオフ

• コードの見通しや保守性を求めて 関数化やデータクラス化 すると、 オーバーヘッドが発生
• JITでも 関数呼び出しや抽象化のコスト を完全には消せない
• Pythonでは「 抽象化は無料ではない」という現実

Python高速化の限界と今後

• パフォーマンスを突き詰めると 最終的にメモリ管理の壁 に直面
• 現状のCPythonやPyPyの枠組みでは 根本的な高速化は困難
• SPyプロジェクト ：より速いPython実現を目指す初期段階の取り組み
• 理想は「 全ての用途にPythonが使える世界」だが、現状はまだ道半ば

---

この講演は、 Pythonパフォーマンスに関する誤解や現実、そして 今後の可能性 を多面的に解説する内容。 最適化手法の限界や、 言語仕様がもたらす根本的な難しさ について深く掘り下げている。