Будущее CPython под нагрузкой: NoGIL, GreenThreads, AsyncIO — разбор, тесты, альтернатива другим ЯП.

Языки программирования и технические стеки

Бэкенд

Java

Python

Прочие языки

Оптимизация производительности

Распределенные системы

Архитектура данных, потоки данных, версионирование

Синхронизация данных, параллельная обработка, CDN

Критерии выбора технологий для проекта

Оптимизация

Теория

Программный комитет ещё не принял решения по этому докладу

Целевая аудитория

Уровень: Middle / Senior / Team Lead 1. Разработчики на Python, кто активно использует Python в бэкенде, ML, DevOps или автоматизации — особенно те, кто сталкивается с ограничениями GIL и ищет пути масштабирования. 2. Инженеры высоконагруженных систем, выбирающие между: — скоростью разработки и эффективностью исполнения, — Python, Go и Rust для задач с параллелизмом и многопоточностью 3. Архитекторы, тимлиды, CTO, принимающие решения о технологических стеках, языках и масштабировании систем. 4. Все, кто следит за эволюцией Python, интересуется его внутренним устройством и тем, как он приближается к возможностям Go и Rust в высоконагруженных сценариях.

Тезисы

2025 год стал переломным для Python в highload. CPython 3.14 снимает GIL и вводит free threading (FT) — крупнейший скачок производительности за 20 лет. Но действительно ли Python готов конкурировать с Go и Java в CPU-intensive задачах?

На живых бенчмарках покажу, где FT обходит multiprocessing в 2-3 раза (ML-пайплайны, big DataFrames), а где проваливается. Разберем NUMA-эффекты на 500 RL-средах и GPU-оркестрацию. Сравним с Java/Go на идентичных задачах. Покажу adaptive specialization в действии — как CPython учится на вашем коде в runtime. Обсудим JIT и новый tail-calling интерпретатор. Проанализируем flamegraph профили и найдем bottlenecks.

Покажу на сколько CPython стал более производительным: сравню 3.9/3.12/3.14 (3.15) и покажу, что продакшен стоит переховодить на 3.12, который прошёл официальный bugfix.

Практическая польза:
• Чек-лист миграции на FT с картой рисков деградации производительности
• Исходный код для компиляции CPython без GIL + build инструкции

• Benchmark-suite для тестирования ваших highload кейсов
• Toolkit для профилирования: готовые perf record + flamegraph скрипты
• Четкие критерии архитектурного выбора: FT/multiprocessing/asyncio/green-threads/ другие ЯП
• Антипаттерны: когда FT точно не подходит

Андреев Пётр

МФТИ

Прошёл путь от разработчика прикладных ML‑систем до инженера‑исследователя ядра CPython. Преподаёт в МФТИ, где ведёт авторские курсы по CPython Internals с внедрением HPC. Работал с Saudi Aramco, запускал стартап в РФ и Аргинтине. Работал в фин.техе, собрал свой фонд. Вне работы организует научно‑спортивные мероприятия: шоссейный велоспорт, гольф и конные соревнования.