2026-10-25 Python 每周文摘
内容提要
Python 3.15 新增惰性导入、内置 frozendict 和 Tachyon 性能分析器，整体比 3.14 快约 1.45 倍。AirLLM 支持逐层加载模型，使消费级 GPU 能运行大模型。其他内容涉及 FastAPI 并发租约管理、GPU 编译器构建、自由线程 Python 的高速 JSON 解析、Polars 惰性查询优化、Python 撤销模式的实现以及航班节油路径优化。
延伸解读
性能提升需理性看待
文章指出 Python 3.15 整体比 3.14 快约 1.45 倍，但这一平均值被 Base32、Ascii85 和 Base85 等 C 重写编码操作的大幅提速拉高。大多数其他工作负载的实际提升约为 1.20 倍。读者在评估升级收益时，应关注自身常用场景而非整体数字，避免对性能提升产生过高预期。
惰性导入的迁移成本
Python 3.15 引入惰性导入，可延迟模块加载以改善启动性能，但文章提到 Lifeguard 静态分析器专门检测惰性导入的不兼容问题。这意味着现有代码库在采用该特性时可能遇到隐性依赖或导入顺序问题，迁移前需借助工具排查，不能简单视为无痛升级。
消费级 GPU 跑大模型的取舍
AirLLM 通过逐层加载模型而非将整个模型保留在显存中，使消费级 GPU 能运行超大语言模型。这种策略以显存换取了层间加载开销，适合显存受限但能接受推理速度下降的场景。文章未给出具体速度数据，读者需根据自身硬件和延迟要求权衡是否适用。
自由线程 Python 的解析潜力
在自由线程 Python 3.14 上，fastsimdjson 利用多核并行解析 JSON，在 64 核机器上达到约 66 GB/s 的吞吐量，关键在于避免急切创建 Python 对象。这展示了去除 GIL 限制后多线程解析的扩展性，但该数据依赖特定硬件和库实现，普通多核环境下的收益会明显不同。
Q&A
Python 3.15 有哪些新特性？
Python 3.15 引入了惰性导入（lazy imports）、内置的 frozendict 类型以及 Tachyon 性能分析器。这些特性有助于提升数据科学工作流的效率。
Python 3.15 比 3.14 快多少？
根据在 AMD 和 Intel 系统上的基准测试，Python 3.15 整体比 Python 3.14 快约 1.45 倍。不过，这一平均速度提升主要受 Base32、Ascii85 和 Base85 等 C 重写编码操作的巨大加速影响，大多数其他工作负载的性能提升约为 1.20 倍。
如何在消费级 GPU 上运行大语言模型？
可以使用 AirLLM 库。它通过逐层加载模型层而不是将整个模型保留在显存中，从而在显存有限的消费级 GPU 上运行非常大的语言模型。
FastAPI 如何管理并发流和 SSE 的租约？
可以使用 fastapi-stream-lease 项目，它是一个为 FastAPI 和 Starlette 提供的分布式流和 SSE 并发租约管理器，基于原子 Redis Lua 脚本实现。
自由线程 Python 能实现多快的 JSON 解析？
在自由线程 Python 3.14 中，使用 fastsimdjson 将工作分散到多个核心并避免急切物化 Python 对象，可以在 64 核机器上达到约 66 GB/s 的 JSON 解析吞吐量，展示了多线程解析在消除 GIL 限制后的巨大扩展性。
Polars 的惰性模式相比急切模式有什么优势？
Polars 的惰性模式通过在執行前构建优化的查询计划，利用谓词下推和投影下推，显著减少大型数据集处理时的资源使用，提高内存效率和性能，因此是大多数数据分析任务的首选方法。
如何在 Python 中实现撤销功能？
可以使用备忘录（Memento）设计模式，结合冻结数据类、协议和泛型来管理状态快照，从而在不破坏封装性的情况下实现状态恢复和撤销功能。
如何优化航班路径以节省燃油？
Mark Litwintschik 评估了 Scikit-decide 和 OpenAP，使用 A* 搜索将飞机性能模型与 NOAA 风数据结合，以找到比最短路径更省油的路线，并以空客 A320 为例进行了演示。
