「python Advent Calendar 2017 10日目」 の記事です。
TwitterのTLをぼーっと眺めていたら気になるサイトを見つけました。
Check This Out – Optimized Python
なんと、このdockerイメージを使うと、公式のPythonのイメージと比較して、19%の高速化と75%の軽量化がされているようです。 これは試さずにはいられません。
ビルドされたイメージは Docker Hub に上がっており、イメージをpullするだけで最適化されたPythonが使えます。
Pythonのバージョンは3.5.4および3.6.3が用意されているようです。 1
イメージのサイズはGitLabやGitHubのREADMEを見る限りだと下記のようになっているようです。
REPOSITORY |
TAG |
SIZE |
|---|---|---|
python |
3.6.3 |
690MB |
python |
3.6-slim |
201MB |
python |
3.6.3-alpine |
89MB |
registry.gitlab.com/revsys/docker-builds/python |
3.6.3-wee |
153MB |
さすがにalpineをベースにしたイメージよりは大きくなっていますが、非常にコンパクトにまとまっています。 Debian 8ベースなので、many linux wheelのパッケージが使えるのが大きな利点です。 ちなみに筆者はalpineベースでイメージを作ったことがありますが、pipインストール時にビルドが必要なパッケージを入れようとして何度も泣いたことがあります(´°̥̥̥̥̥̥̥̥ω°̥̥̥̥̥̥̥̥｀)
早速ベンチマークをとってみましょう。筆者のHW環境は下記のとおりです。 2010年くらいのモデルですが未だ現役で使ってます...早くRyzen MobileのPCでないかなぁ...
Architecture: |
x86_64 |
CPU op-mode(s): |
32-bit, 64-bit |
Byte Order: |
Little Endian |
CPU(s): |
4 |
On-line CPU(s) list: |
0-3 |
Thread(s) per core: |
2 |
Core(s) per socket: |
2 |
Socket(s): |
1 |
NUMA node(s): |
1 |
Vendor ID: |
GenuineIntel |
CPU family: |
6 |
Model: |
37 |
Model name: |
Intel(R) Core(TM) i5 CPU M 520 @ 2.40GHz |
Stepping: |
5 |
CPU MHz: |
1333.000 |
CPU max MHz: |
2400.0000 |
CPU min MHz: |
1199.0000 |
BogoMIPS: |
4788.43 |
Virtualization: |
VT-x |
L1d cache: |
32K |
L1i cache: |
32K |
L2 cache: |
256K |
L3 cache: |
3072K |
NUMA node0 CPU(s): |
0-3 |
下記の3つのパターンでベンチマークしています、ベンチマークには pyperformance というライブラリを使いました。
公式のPythonイメージ: python:3.6.3
Optimized Pythonイメージ: python:3.6.3-wee-optimized-lto
OSのPython3.6.3: Ubuntu 17.10
結果は下記のとおりです。
Benchmark |
docker |
docker optimized |
system |
|---|---|---|---|
2to3 |
1.09 sec |
954 ms: 1.15x faster (-13%) |
1.21 sec: 1.10x slower (+10%) |
chameleon |
39.7 ms |
30.4 ms: 1.31x faster (-23%) |
34.7 ms: 1.14x faster (-12%) |
chaos |
414 ms |
355 ms: 1.17x faster (-14%) |
350 ms: 1.18x faster (-15%) |
crypto_pyaes |
310 ms |
281 ms: 1.10x faster (-9%) |
283 ms: 1.09x faster (-9%) |
deltablue |
25.7 ms |
21.4 ms: 1.20x faster (-17%) |
21.7 ms: 1.18x faster (-15%) |
django_template |
617 ms |
490 ms: 1.26x faster (-21%) |
531 ms: 1.16x faster (-14%) |
fannkuch |
1.38 sec |
1.23 sec: 1.12x faster (-11%) |
1.25 sec: 1.10x faster (-9%) |
float |
328 ms |
309 ms: 1.06x faster (-6%) |
305 ms: 1.08x faster (-7%) |
genshi_text |
121 ms |
103 ms: 1.17x faster (-15%) |
109 ms: 1.11x faster (-10%) |
genshi_xml |
268 ms |
223 ms: 1.21x faster (-17%) |
240 ms: 1.12x faster (-11%) |
go |
846 ms |
717 ms: 1.18x faster (-15%) |
741 ms: 1.14x faster (-12%) |
hexiom |
32.9 ms |
27.8 ms: 1.18x faster (-16%) |
29.9 ms: 1.10x faster (-9%) |
html5lib |
343 ms |
290 ms: 1.18x faster (-16%) |
306 ms: 1.12x faster (-11%) |
json_dumps |
40.3 ms |
34.5 ms: 1.17x faster (-14%) |
37.2 ms: 1.08x faster (-8%) |
json_loads |
79.3 us |
66.0 us: 1.20x faster (-17%) |
72.4 us: 1.10x faster (-9%) |
logging_format |
47.8 us |
38.9 us: 1.23x faster (-19%) |
41.0 us: 1.17x faster (-14%) |
logging_silent |
1.02 us |
936 ns: 1.09x faster (-9%) |
909 ns: 1.13x faster (-11%) |
logging_simple |
39.4 us |
32.1 us: 1.22x faster (-18%) |
34.4 us: 1.14x faster (-13%) |
mako |
63.0 ms |
51.6 ms: 1.22x faster (-18%) |
54.5 ms: 1.16x faster (-14%) |
meteor_contest |
278 ms |
237 ms: 1.17x faster (-15%) |
248 ms: 1.12x faster (-11%) |
nbody |
304 ms |
329 ms: 1.08x slower (+8%) |
281 ms: 1.08x faster (-7%) |
nqueens |
355 ms |
318 ms: 1.11x faster (-10%) |
311 ms: 1.14x faster (-12%) |
pathlib |
84.3 ms |
64.6 ms: 1.30x faster (-23%) |
62.2 ms: 1.35x faster (-26%) |
pickle |
32.0 us |
26.1 us: 1.23x faster (-18%) |
26.8 us: 1.20x faster (-16%) |
pickle_dict |
78.2 us |
66.5 us: 1.18x faster (-15%) |
58.0 us: 1.35x faster (-26%) |
pickle_list |
10.7 us |
8.90 us: 1.21x faster (-17%) |
8.75 us: 1.23x faster (-19%) |
pickle_pure_python |
1.81 ms |
1.60 ms: 1.14x faster (-12%) |
1.63 ms: 1.11x faster (-10%) |
pidigits |
378 ms |
not significant |
368 ms: 1.03x faster (-3%) |
python_startup |
30.4 ms |
27.6 ms: 1.10x faster (-9%) |
27.7 ms: 1.10x faster (-9%) |
python_startup_no_site |
20.8 ms |
19.3 ms: 1.08x faster (-7%) |
18.8 ms: 1.11x faster (-10%) |
raytrace |
1.94 sec |
1.66 sec: 1.17x faster (-15%) |
1.63 sec: 1.19x faster (-16%) |
regex_compile |
630 ms |
529 ms: 1.19x faster (-16%) |
568 ms: 1.11x faster (-10%) |
regex_dna |
365 ms |
340 ms: 1.07x faster (-7%) |
355 ms: 1.03x faster (-3%) |
regex_effbot |
6.34 ms |
6.18 ms: 1.03x faster (-3%) |
6.10 ms: 1.04x faster (-4%) |
regex_v8 |
60.5 ms |
54.2 ms: 1.12x faster (-10%) |
55.2 ms: 1.10x faster (-9%) |
richards |
264 ms |
231 ms: 1.14x faster (-12%) |
235 ms: 1.12x faster (-11%) |
scimark_fft |
908 ms |
939 ms: 1.03x slower (+3%) |
805 ms: 1.13x faster (-11%) |
scimark_lu |
691 ms |
594 ms: 1.16x faster (-14%) |
not significant |
scimark_monte_carlo |
387 ms |
328 ms: 1.18x faster (-15%) |
325 ms: 1.19x faster (-16%) |
scimark_sor |
717 ms |
604 ms: 1.19x faster (-16%) |
669 ms: 1.07x faster (-7%) |
scimark_sparse_mat_mult |
11.7 ms |
not significant |
9.74 ms: 1.20x faster (-17%) |
spectral_norm |
339 ms |
329 ms: 1.03x faster (-3%) |
328 ms: 1.03x faster (-3%) |
sqlalchemy_declarative |
440 ms |
406 ms: 1.08x faster (-8%) |
394 ms: 1.12x faster (-10%) |
sqlalchemy_imperative |
90.9 ms |
80.4 ms: 1.13x faster (-12%) |
82.5 ms: 1.10x faster (-9%) |
sqlite_synth |
12.6 us |
11.1 us: 1.14x faster (-12%) |
10.4 us: 1.21x faster (-18%) |
sympy_expand |
1.55 sec |
1.27 sec: 1.22x faster (-18%) |
1.34 sec: 1.16x faster (-13%) |
sympy_integrate |
66.7 ms |
55.0 ms: 1.21x faster (-17%) |
58.7 ms: 1.14x faster (-12%) |
sympy_sum |
313 ms |
259 ms: 1.21x faster (-17%) |
275 ms: 1.14x faster (-12%) |
sympy_str |
689 ms |
569 ms: 1.21x faster (-17%) |
598 ms: 1.15x faster (-13%) |
telco |
29.0 ms |
21.1 ms: 1.37x faster (-27%) |
25.6 ms: 1.13x faster (-12%) |
tornado_http |
612 ms |
527 ms: 1.16x faster (-14%) |
549 ms: 1.12x faster (-10%) |
unpack_sequence |
143 ns |
139 ns: 1.03x faster (-3%) |
139 ns: 1.03x faster (-3%) |
unpickle |
43.1 us |
38.0 us: 1.13x faster (-12%) |
37.1 us: 1.16x faster (-14%) |
unpickle_list |
8.95 us |
7.90 us: 1.13x faster (-12%) |
not significant |
unpickle_pure_python |
1.20 ms |
1.07 ms: 1.11x faster (-10%) |
1.14 ms: 1.05x faster (-5%) |
xml_etree_parse |
379 ms |
343 ms: 1.10x faster (-9%) |
390 ms: 1.03x slower (+3%) |
xml_etree_iterparse |
329 ms |
292 ms: 1.13x faster (-11%) |
301 ms: 1.09x faster (-8%) |
xml_etree_generate |
387 ms |
308 ms: 1.25x faster (-20%) |
350 ms: 1.11x faster (-10%) |
xml_etree_process |
338 ms |
263 ms: 1.28x faster (-22%) |
290 ms: 1.16x faster (-14%) |
Optimized Pythonは上記のどの項目においても公式のPythonイメージより高速に動作することがわかりました。 ただ、システム(OS)のPythonとほぼ同じような速度なので、元からシステムのPythonを使ってる場合には恩恵はなさそうです。
既にDockerでPythonを使っており、下記のような記述の場合は
FROM python:3.6.3
下記のように書き換えるだけでPythonの処理が高速になる可能性があります。
FROM revolutionsystems/python:3.6.3-wee-optimized-lto
DockerでPythonを使っていて、少しでも高速化したい場合には試してみてはいかがでしょうか。
Footnotes
2017年12月1日現在、最新情報はDocker Hubのタグを参照 https://hub.docker.com/r/revolutionsystems/python/tags/
Copyright © 2020 driller
Powered by miyadaiku