看了下 Codon 的实现，目前只能算是个玩具
这个思路有点像前几年在 js 上做 Code smells and type analysis —— 只要用户写出非常易于优化的代码，我就可以优化的非常好。

@XVXVXXX 这个回家，莫名觉得很有气势

啃龙书没啥意义。
如果你想整体了解编译，不要在 parser 上浪费时间，parser 是一个非常“符合直觉”的事情，本质上就是如何把一段文本变成结构化的数据，所以不要被各种名词唬住，自己写一个简单的表达式解析器，就能大概明白了。同时 parser 在整个编译过程中只占了很小的一部分，基本没啥值得关注的东西。

编译整体看是一个不断 lower （ desuger ）的过程，用简单代替复杂，具体代替抽象。所以整体看的话，你需要大概了解一下体系结构和指令集，也就是编译的终点是什么样的。中间的过程不管是 AST 也好，IR 也好，no-target machine code 还是 target machine code ，从认知上来讲，都不是必须的（你完全可以设计一个非常简单的表达式语言，然后直接翻译成汇编指令），这些步骤只是为了满足某种需求（ native code or Interpreter ？ JIT or AOT ？ interprocedural or intraprocedural ？）而增加的、便于使用的中间层。

明确输入（语言、特性、功能）和输出（目标指令集），剩下的就是取舍和拼接。现在编译体系复杂之处在于为了某些目标（性能、功能、复杂的语言特性）而在不同层次间不得不产生耦合，使用某些约定（而不是设计）。当这种情况越多，原本清晰的结构就会变成一坨。。。

写新的 test ，或者写一些方便 debug 、处理日志的小脚本

list 生命周期结束的时候会调用 list_dealloc 函数，但并不会立即释放内存。而是存放在对应的 free list 中，如果有新的大小合适的 list 生成则会直接使用，减少内存分配和释放的消耗。

print(id([])); print(id([]))

两次分配的 list 是同一个指针，所以 id 相同。debug 模式是通过 trace 实现的，中间有别的 list 生成（或释放），所以没有使用到同一个指针，id 不同

已发布到 pypi
https://pypi.org/project/pyasmer

一眼群聊精华就是入关，然后你说 no 键政~~~

@codists 合着你知道”machine value“不是一个常见的用法？这本来就不算是一个专业术语，我们帮你推测验证它的具体含义，然后你说没有给出定义？要饭要的这么理直气壮的吗？

“计算机科学与技术”专业毕业的人不知道内存表示和补码不是一码事？不会 C 语言？ CSAPP 没看过？毕业挺好，下次不要毕业了。

@codists 内存表示和二进制补码不是一个东西

arraymodule.c 里的实现就是从一个 PyBuffer 里 memcpy 了数据，fromfile 的实现是直接调用了 frombytes ，所以内存中如何表示，array 就如何存储，这么解释不明白？

“an array of machine values”指的就是存在多个元素，那么用每个元素的内存表示，组合成一个数组。

所以楼上让你学 C 语言还真说对了

@codists machine value 就是指数据在内存中的表示啊，前几楼说的没啥问题

在家当然是什么爽用什么
kotlin 、scala 、rust 、ocmal 一把嗦

一个群，如果不用来开车，那还有什么意义

这两件事情之间没什么特别大的关系。

除开汇编，任何语言的执行要么通过编译器编译到机器指令，要么通过解释器解释执行，包括楼上所说的各种硬件特性，也是编译器能够生成这种形式的机器码，跟语言本身没啥关系。

换句话说，编译器优化的极限决定了语言性能的上限，你拿一个玩具编译器去编译 C 代码，也跑不过 cpython 解释执行的 python 代码。

而一个基本的结论是，动态特性的使用跟优化效果成反比，跟执行时的负载成正比。

举个例子，如果 C 语言现在改成函数调用必须使用函数指针实现，不允许直接调用函数名，并且这个指针变量必须得是全局的。那么意味着所有 interproduce optimization 、inline 、link time optimization 都不起作用了，其他 DCE 、GVN 之类的优化也将受到巨大限制，性能下降百倍起步。

反过来，如果对 python 做出各种限制，比如不允许使用继承、一个变量只允许一次赋值等等，然后为这个受限制的 python 再实现一个编译器，那么完全可以获得跟 C 语言在大部分场景下相似的性能，即便它不能手动 mallco/free 。

@junnplus 可以呀

@tkmiles 我们之前有人参加了 openEuler Compiler SIG 的技术沙龙
https://mp.weixin.qq.com/s/3u-y0NL2qC4tS8l1SWyf-A
第四个——Python 在大数据领域的实践和思考，但是视频好像没有放出来
但是因为缺人，宣传上的事情还没有投入

@Actrace 如果只是单纯复刻的话，很难比 CPython 优秀

@podel 我们真的可以招精通 Python 的程序员。。。。见 “其他背景类”