CodePattern/B 高性能模式/04 其它知识.md

### **JIT（即时编译）**

JIT（Just-In-Time Compilation，即时编译）是一种在程序运行时将代码编译为机器码的技术。与传统的 **AOT（Ahead-Of-Time Compilation，提前编译）** 不同，JIT 在程序执行过程中动态编译代码。JIT 跨平台，生成适合当前平台的机器码。

JIT 的工作原理：**解释执行**：程序开始时，代码以解释方式执行（逐行解释字节码）。 **热点检测**：JIT 编译器监控代码执行，识别频繁执行的代码段（称为“热点”）。 **动态编译**：将热点代码编译为机器码，后续执行直接运行机器码，避免解释执行的开销。 **优化**：JIT 编译器可以根据运行时信息进行优化（如内联函数、消除死代码）。

在 Python 中利用 JIT 加速的方法包括：
- **PyPy**：通用的 Python 实现，适合大多数场景。pypy your_script.py    
- **Numba**：专注于数值计算，适合科学计算和数据分析。用 `@jit` 装饰器标记需要加速的函数。    
- **Cython**：将 Python 代码编译为 C 代码，适合需要极致性能的场景。支持 JIT 和 AOT 编译 。
- **Taichi**：专注于高性能计算，适合图形学、物理仿真等领域。


### 异步编程生态系统中的几个概念

**异步编程**
异步编程是一种编程范式，允许任务并发执行。
在 Python 中，异步编程可以通过协程、回调、事件循环等多种方式实现。
异步编程适合高并发的 I/O 密集型任务（如 Web 服务器、爬虫、实时通信）, 特别是大量并发连接的任务。


**协程**
协程是异步编程的一种实现方式，协程是一种在执行过程中可以暂停和恢复的函数。
协程运行在线程之上，协程的调度完全由用户控制 。
同回调等其他异步技术相比，协程维持了正常的代码流程，提高了代码可读性。


**Async**
Async 是 Python 3.5 引入的一个关键字，用于定义异步函数（即协程）。async def 定义的函数可以暂停执行，使用 await 等待其他操作完成，它们构成了 Python 的异步编程语法。


**asyncio**
asyncio 是 Python 标准库中管理协程的框架。 


Python 的协程实现历史
- 生成器协程（yield/send）
- 原生协程，使用 @asyncio.coroutine 和 yield from ，已废
- 原生协程，自 Python 3.5 起，async/await 成为标准 。
- 第三方库 gevent 也有不短的历史 。


### 碎片
- 网络系统常用架构 ：服务端用线程池，客户端用 asynico - 异步
- 分布式任务队列系统：celery ，不用自己造车 （ lzuDataFactory ）
- thread 模块是比较底层的模块, threading 模块对 thread 做了一些包装