Работа посвящена повышению производительности Python под высокой нагрузкой. Рассматриваются JIT-компиляция (Numba, Codon, CPython 3.13+), нативные расширения (Cython, C/C++, Rust через FFI) и оптимизации рантайма (Cinder, PGO, LTO). Предложена стратегия выбора инструмента по типу задачи. JIT на базе LLVM даёт ускорение до 40 раз, free-threaded Python 3.13 — прирост в 4 раза на CPU-bound задачах. Показано, что эффективная оптимизация Python это композиция техник под конкретный профиль нагрузки. Ключевые слова: Python, JIT-компиляция, Numba, Cython, нативные расширения, CPython, GIL.

Иванков Т.С. (науч. рук. Стручков И.В.) Python под нагрузкой: jit, runtime, нативный код и системные оптимизации // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16374