CPython 3.15 性能剖析：面向真实 Python 系统的低开销 Tachyon Profiler

Petr Andreev 俄罗斯教授・CPython 贡献团队负责人・PSF 董事会候选人

深耕 CPython 底层实现、性能优化与高性能计算领域。研究方向聚焦 GPU 加速、CPU 向量指令优化；从业路径从机器学习系统研发，成长为 CPython 内核核心研究员。拥有 8 年以上 AI、数学、物理交叉领域团队管理经验，PyCon 大会演讲嘉宾。任职于俄罗斯顶尖学府 —— 莫斯科物理技术学院，担任讲师。欢迎交流分享与科研合作。

摘要

CPython 3.15 带来了更完善的性能剖析方案——Tachyon Profiler。它是一款面向真实生产环境设计的采样式性能分析器，能够以极低的运行开销定位 Python 应用中的真实性能瓶颈。

详情

本次分享将聚焦 Python 性能剖析，探讨 Python 开发者应该如何科学地衡量程序性能、为什么传统的追踪式分析器并不总是最佳选择，以及 Tachyon Profiler 如何改变生产级系统的性能调试方式。演讲将深入介绍以下内容：采样式与追踪式性能分析的适用场景与局限；Tachyon Profiler 的实现原理（从概念层面解析低开销采样机制）；生产环境性能调试实践（如何在不中断服务、不过度干扰系统运行的情况下进行性能分析）；Async、线程与 Free-Threading 对性能分析的新挑战；以及如何正确解读 Profiling 结果，避免被虚假的热点误导。

本次分享将采用互动式形式展开：现场展示多组 Profiling 输出结果，邀请观众判断潜在瓶颈，并预测哪些代码路径才是真正占据运行时间的"幕后元凶"。这场分享不仅会介绍 Tachyon Profiler 的使用方式，更希望帮助开发者建立性能工程师的思维方式，学会在复杂 Python 系统中高效、准确地定位性能问题。