Mojo 是 Python 家族的一員，但有著遠大的目標——想要與 Python 生態系統完全兼容，因此開發人員可以繼續使用自己熟悉的工具。Mojo 旨在通過保留 Python 的動態特性，同時為系統編程添加新原語，逐漸成為 Python 的超集。
LLVM 和 Swift 編程語言的聯合創始人、Modular 公司 CEO Chris Lattner 此前在 Hacker News 上表示：“我們的目標不是讓動態 Python 神奇地快速。雖然我們在動態代碼方面要快得多（因為我們有編譯器而不是解釋器），但這并不是依靠‘足夠智能’的編譯器來消除動態性”。
據介紹，Mojo 最初的目標是比 Python 快 35000 倍，近日該團隊表示，Mojo 將動態與靜態語言的優點結合起來，一舉將性能提升達 Python 的 68000 倍。
Mojo 團隊在系列博文中介紹了 Mojo 是如何比 Python 快 68000 倍的：在第一篇博文中，團隊嘗試將代碼移植為 Mojo，從而獲得了約 90 倍的性能提升；在第二篇博文中，團隊對代碼進行矢量化與并行化，又將性能提升了 2.6 萬倍；在第三篇博文中，團隊展示如何通過新的性能技術全面超越 3.5 萬倍的程序加速目標。
具體來說，Mojo 團隊首先用簡單端口將 Python 程序提速 89 倍；之后通過針對性優化和利用現代 CPU 的算力潛能，又將速度提升 2.6 萬倍。Mojo 團隊提出的并行策略是，每個 CPU 核心都應負責處理同等數量的代碼行。
然而，只有當跨行工作負載相同時，對負載進行拆分以保證各個線程 worker 獲取其中一組代碼行才具有可行性；但曼德勃羅集并不是這樣。以這種方式進行拆分會引發負載不均衡問題，這是因為曼德勃羅集中的一個像素可能在單次迭代后完成，而另一像素則可能經歷 MAX_ITERS 多次迭代。也就是說，各個行的迭代次數并不相等，會導致某些率先完成計算的線程處于閑置狀態，不利于全面挖掘性能潛力。
為了演示這種不均衡問題，Mojo 團隊繪制了每個行在曼德勃羅集中執行的迭代總數。如下圖所示，某些行在轉義之前只需要不到 1000 次迭代，但其他一些行則可能需要超 80 萬次迭代。
各個行所執行的迭代總數（以對數坐標系顯示）并非均勻分布。某些行（例如圖像中央部分的行）可能需要 80 多萬次迭代，而兩端的行則只需要 800 次左右迭代。
如果硬性為各個線程分配一定數量的連續行，就會發生全體線程都在等待，直至中間某組代碼行（被分配給某個核心）完成運行的情況。解決這個問題的辦法有很多，但最簡單的當然是過度拆分。也就是說，各個線程所獲得的不是一組平均分配的行，而是建立起一個工作負載池，再為每個行創建相應的工作項。各線程則以循環方式不斷從線程池中拾取這些工作項。
好消息是 Mojo 擁有一個性能出色的并發運行時，所以我們用不著自行創建線程池或者設計循環拾取 / 執行。Mojo 的運行時提供不少高級功能，可以充分利用這樣的多核心系統。
回顧整個旅程，Mojo 團隊先是對 Python 代碼實現了 2.6 萬倍性能提升，之后又使用超額訂閱達成提速 68847 倍的最終成績，并最終實現了 6.8 萬倍的 Python 提速效果；而在應用超額訂閱之后，性能在此前并行版本的基礎上又提高了 1 倍。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
