پایتون ۳.۱۵ منتشر شد؛ lazy import، frozendict، UTF-8 پیش‌فرض و پروفایلر Tachyon


پایتون ۳.۱۵ رسماً منتشر شد #

تیم توسعهٔ CPython در ۹ اکتبر ۲۰۲۶ نسخهٔ ۳.۱۵ را منتشر کرد. اگر نسخهٔ ۳.۱۴ با t-stringها و پشتیبانی رسمی از free-threading شناخته می‌شد، نسخهٔ ۳.۱۵ را باید نسخهٔ «کیفیت زندگی توسعه‌دهنده» نامید: importهای تنبل، یک نوع دیکشنری تغییرناپذیر داخلی، UTF-8 به‌عنوان رمزگذاری پیش‌فرض، یک پروفایلر نمونه‌برداری بسیار سریع و بهبودهای جدی در JIT.

در این مطلب مهم‌ترین تغییرات را با مثال‌های عملی مرور می‌کنیم تا بدانید ارتقا به ۳.۱۵ چه چیزی برای پروژه‌های شما به همراه دارد و کجا باید مراقب باشید.

اطلاعات

همهٔ مثال‌های این مطلب بر اساس سند رسمی What's New in Python 3.15 نوشته شده‌اند. برای اجرای آن‌ها باید پایتون ۳.۱۵ نصب داشته باشید؛ ساده‌ترین راه استفاده از ابزار uv است.

bash
uv python install 3.15
uv run --python 3.15 python --version

Lazy Import؛ شروع سریع‌تر برنامه‌ها (PEP 810) #

یکی از دردهای همیشگی برنامه‌های بزرگ پایتون، زمان شروع (startup time) است. وقتی یک ابزار خط فرمان را اجرا می‌کنید و فقط می‌خواهید --help را ببینید، پایتون همهٔ ماژول‌هایی را که در بالای فایل import شده‌اند بارگذاری می‌کند؛ حتی اگر هیچ‌وقت از آن‌ها استفاده نشود. در پروژه‌هایی با کتابخانه‌های سنگین مثل pandas یا torch این تأخیر می‌تواند چند ثانیه باشد.

جعبه‌هایی که فقط هنگام نیاز باز می‌شوند؛ ایدهٔ اصلی lazy import

PEP 810 کلمهٔ کلیدی نرم (soft keyword) جدیدی به نام lazy اضافه می‌کند. با آن، import تا اولین باری که از نام استفاده شود به تعویق می‌افتد:

cli.pypython
lazy import json
lazy from pathlib import Path

print("Starting up...")  # json و pathlib هنوز بارگذاری نشده‌اند

data = json.loads('{"key": "value"}')  # json همین‌جا بارگذاری می‌شود
p = Path(".")  # pathlib همین‌جا بارگذاری می‌شود

پشت صحنه، پایتون یک شیء proxy سبک (از نوع types.LazyImportType) می‌سازد و بارگذاری واقعی را هنگام اولین دسترسی انجام می‌دهد. اگر بارگذاری با خطا روبه‌رو شود، استثنا هنگام اولین استفاده رخ می‌دهد و traceback هم محل دسترسی و هم دستور import اصلی را نشان می‌دهد.

محدودیت‌های lazy import #

  • فقط در سطح ماژول مجاز است؛ داخل تابع، بدنهٔ کلاس یا بلوک try/except/finally نمی‌توانید از آن استفاده کنید.
  • lazy from module import * مجاز نیست و SyntaxError می‌دهد.
  • lazy from __future__ import ... هم مجاز نیست.

کنترل سراسری با پرچم‌ها #

اگر بخواهید بدون تغییر کد، همهٔ importها تنبل شوند، می‌توانید از -X lazy_imports=all یا متغیر محیطی PYTHON_LAZY_IMPORTS=all استفاده کنید. مقدار پیش‌فرض normal است که فقط به کلمهٔ lazy در کد احترام می‌گذارد. برای کنترل دقیق‌تر، یک فیلتر هم قابل تعریف است:

bootstrap.pypython
import sys

def myapp_filter(importing, imported, fromlist):
    return imported.startswith("myapp.")

sys.set_lazy_imports_filter(myapp_filter)
sys.set_lazy_imports("all")

import myapp.slow_module  # تنبل (با فیلتر مطابقت دارد)
import json               # فوری (با فیلتر مطابقت ندارد)

برای کدهایی که باید روی نسخه‌های قدیمی‌تر هم اجرا شوند و نمی‌توانند از کلمهٔ کلیدی جدید استفاده کنند، متغیر __lazy_modules__ در سطح ماژول راه‌حل سازگار است:

python
__lazy_modules__ = ["json", "pathlib"]

import json  # تنبل
import os    # همچنان فوری

نکته

بهترین نقطهٔ شروع برای lazy import، ابزارهای CLI و اسکریپت‌هایی است که زیرفرمان‌های متعدد دارند. هر زیرفرمان فقط وابستگی‌های خودش را بارگذاری می‌کند.

frozendict؛ دیکشنری تغییرناپذیر داخلی (PEP 814) #

سال‌ها برنامه‌نویسان پایتون برای داشتن دیکشنری تغییرناپذیر از types.MappingProxyType یا کتابخانه‌های خارجی استفاده می‌کردند. حالا frozendict یک نوع داخلی است:

python
>>> a = frozendict(x=1, y=2)
>>> a
frozendict({'x': 1, 'y': 2})
>>> a['z'] = 3
TypeError: 'frozendict' object does not support item assignment
>>> b = frozendict(y=2, x=1)
>>> hash(a) == hash(b)
True
>>> a == b
True

ویژگی‌های مهم frozendict:

ویژگی توضیح
تغییرناپذیر افزودن، حذف یا تغییر کلید ممکن نیست
hashable اگر همهٔ کلیدها و مقدارها hashable باشند؛ پس می‌تواند کلید دیکشنری یا عضو set باشد
حفظ ترتیب ترتیب درج حفظ می‌شود، اما در مقایسهٔ تساوی ترتیب مهم نیست
ارث‌بری زیرکلاس dict نیست و مستقیماً از object ارث می‌برد

نکتهٔ آخر مهم است: اگر کدی دارید که با isinstance(arg, dict) نوع ورودی را بررسی می‌کند، frozendict را رد می‌کند. مستندات رسمی پیشنهاد می‌کند از isinstance(arg, (dict, frozendict)) یا بهتر از آن isinstance(arg, collections.abc.Mapping) استفاده کنید.

config.pypython
from collections.abc import Mapping

DEFAULTS = frozendict(debug=False, timeout=30, retries=3)

def load_config(overrides: Mapping) -> frozendict:
    return frozendict({**DEFAULTS, **overrides})

cfg = load_config({"debug": True})
cache = {cfg: "compiled-settings"}  # چون hashable است، می‌تواند کلید باشد

ماژول‌های copy، json، pickle، pprint، decimal و چند ماژول دیگر کتابخانهٔ استاندارد هم برای پشتیبانی از frozendict به‌روز شده‌اند.

UTF-8 به‌عنوان رمزگذاری پیش‌فرض (PEP 686) #

این تغییر برای کاربران فارسی‌زبان ویندوز اهمیت ویژه‌ای دارد. تا قبل از ۳.۱۵، وقتی فایلی را بدون آرگومان encoding باز می‌کردید، پایتون از رمزگذاری locale سیستم استفاده می‌کرد. روی ویندوز این معمولاً cp1256 یا مشابه آن بود و خواندن فایل‌های UTF-8 فارسی به خطای UnicodeDecodeError یا متن به‌هم‌ریخته ختم می‌شد.

از ۳.۱۵، این کد همه‌جا با UTF-8 کار می‌کند:

python
with open("notes-fa.txt") as f:   # حالا همیشه UTF-8
    print(f.read())

اگر به رفتار قبلی نیاز دارید، encoding="locale" را صریحاً بنویسید یا با PYTHONUTF8=0 یا -X utf8=0 حالت قدیمی را برگردانید.

هشدار

برای کدی که باید روی نسخه‌های قدیمی‌تر پایتون هم درست کار کند، همچنان encoding="utf-8" را صریحاً بنویسید. تکیه بر پیش‌فرض جدید فقط در پروژه‌هایی امن است که حداقل نسخهٔ آن‌ها ۳.۱۵ است.

Unpacking در Comprehensionها (PEP 798) #

یک تغییر سینتکسی کوچک اما خوشایند: حالا می‌توانید از * و ** مستقیماً داخل comprehensionها استفاده کنید. صاف کردن (flatten) لیست‌ها خواناتر می‌شود:

flatten.pypython
lists = [[1, 2], [3, 4], [5]]
print([*L for L in lists])          # [1, 2, 3, 4, 5]

sets = [{1, 2}, {2, 3}, {3, 4}]
print({*s for s in sets})           # {1, 2, 3, 4}

dicts = [{"a": 1}, {"b": 2}, {"a": 3}]
print({**d for d in dicts})         # {'a': 3, 'b': 2}

معادل قدیمی [*L for L in lists] عبارت [x for L in lists for x in L] بود که برای خیلی‌ها گیج‌کننده است؛ ترتیب دو for همیشه محل اشتباه بود.

sentinel داخلی (PEP 661) #

بسیاری از توابع نیاز دارند بین «آرگومان داده نشده» و «مقدار None» تفاوت بگذارند. الگوی رایج _MISSING = object() بود که در repr به شکل نامفهوم <object object at 0x...> نمایش داده می‌شد. نوع داخلی جدید sentinel مقدارهای یکتا با نمایش خوانا می‌سازد که هنگام کپی هویت خود را حفظ می‌کنند، در عبارت‌های نوع با | قابل استفاده‌اند و اگر از طریق ماژول و نام قابل import باشند، pickle می‌شوند.

Tachyon؛ پروفایلر نمونه‌برداری جدید (PEP 799) #

پایتون ۳.۱۵ یک بستهٔ اختصاصی به نام profiling اضافه کرده است:

  • profiling.tracing: همان ردیابی قطعی فراخوانی توابع که قبلاً در cProfile بود (cProfile برای سازگاری همچنان نام مستعار آن است).
  • profiling.sampling: پروفایلر نمونه‌برداری آماری جدید به نام Tachyon.
نمودار شعله‌ای (flame graph) خروجی یک پروفایلر نمونه‌برداری

قدرت اصلی Tachyon این است که می‌تواند بدون تغییر کد و بدون ری‌استارت به یک پروسهٔ در حال اجرای پایتون متصل شود. طبق مستندات، نرخ نمونه‌برداری تا ۱٬۰۰۰٬۰۰۰ هرتز می‌رسد و سربار آن تقریباً صفر توصیف شده است. حالت‌های اصلی کار:

حالت کاربرد
attach اتصال به پروسهٔ در حال اجرا با PID
run اجرای یک اسکریپت و پروفایل آن
run -m اجرای یک ماژول و پروفایل آن
dump گرفتن یک snapshot از stack همهٔ threadها یا همهٔ taskهای asyncio

حالت‌های اندازه‌گیری هم متنوع است: --mode wall (پیش‌فرض، شامل زمان انتظار I/O)، --mode cpu (فقط زمان واقعی CPU)، --mode gil (زمان نگه‌داشتن GIL) و --mode exception. خروجی می‌تواند جدول سازگار با pstats، فرمت collapsed برای ابزارهای flame graph، یک flame graph تعاملی HTML، فرمت Firefox Profiler، heatmap خط‌به‌خط یا یک رابط زندهٔ ترمینالی (--live) باشد.

برای برنامه‌های async هم گزینهٔ --async-aware stackها را بر اساس taskها بازسازی می‌کند؛ اگر با asyncio کار می‌کنید، این قابلیت دیباگ گلوگاه‌ها را بسیار ساده‌تر می‌کند.

یادداشت

ماژول قدیمی profile منسوخ شده و قرار است در پایتون ۳.۱۷ حذف شود. به‌جای آن از profiling.tracing استفاده کنید که API سازگاری دارد.

JIT سریع‌تر و بهبودهای کارایی #

کامپایلر JIT آزمایشی پایتون در این نسخه جهش بزرگی داشته است. طبق مستندات رسمی:

  • روی x86-64 لینوکس به‌طور میانگین هندسی ۷ تا ۸ درصد سریع‌تر از مفسر استاندارد با همهٔ بهینه‌سازی‌هاست.
  • روی AArch64 macOS حدود ۱۱ تا ۱۲ درصد سریع‌تر از مفسر tail-calling است.
  • یک frontend ردیابی جدید، مسیرهای واقعی اجرا را ضبط می‌کند و تخصیص ثبات (register allocation) پایه، انتشار ثابت‌ها و حذف عملیات شمارش ارجاع به آن اضافه شده است.

تغییرات دیگری هم در کارایی دیده می‌شود: باینری‌های رسمی ویندوز ۶۴ بیتی حالا از مفسر tail-calling استفاده می‌کنند که ۱۵ تا ۲۰ درصد بهبود میانگین گزارش شده است، frame pointerها به‌صورت پیش‌فرض فعال‌اند (برای ابزارهای مانیتورینگ و perf عالی است) و mimalloc تخصیص‌دهندهٔ پیش‌فرض حافظهٔ خام شده است.

بهبودهای Typing #

برای کسانی که با type checkerها کار می‌کنند:

  • TypeForm (PEP 747): برای annotate کردن مقدارهایی که خودشان عبارت نوع هستند؛ مثلاً یک تابع cast سفارشی.
  • TypedDict بسته (PEP 728): آرگومان‌های closed و extra_items به TypedDict اضافه شده‌اند.
  • @typing.disjoint_base (PEP 800): برای علامت‌گذاری کلاس‌هایی که نمی‌توانند در وراثت چندگانه با پایه‌های جدای دیگر ترکیب شوند.
typed_cast.pypython
from typing import Any, TypeForm

def cast[T](typ: TypeForm[T], value: Any) -> T: ...

چه چیزهایی حذف یا منسوخ شد؟ #

قبل از ارتقا، این موارد را در کد خود جستجو کنید:

  • http.server.CGIHTTPRequestHandler و گزینهٔ --cgi حذف شده‌اند.
  • ماژول‌های sre_compile، sre_constants و sre_parse حذف شده‌اند.
  • importlib دیگر load_module() را صدا نمی‌زند؛ از exec_module() استفاده کنید.
  • سینتکس keyword برای NamedTuple (مثل NamedTuple("Point", x=int)) دیگر پشتیبانی نمی‌شود.
  • re.match() به‌صورت نرم منسوخ شده و re.prefixmatch() جایگزین پیشنهادی برای کد جدید است (حذف نمی‌شود).
  • ویژگی‌های __version__ در ماژول‌های کتابخانهٔ استاندارد منسوخ شده‌اند و تا ۳.۲۰ حذف می‌شوند.
bash
python3.15 -W error::DeprecationWarning -m pytest

اجرای تست‌ها با تبدیل هشدارهای منسوخ‌شدن به خطا، سریع‌ترین راه پیدا کردن نقاط ناسازگار است.

آیا باید همین الان به پایتون ۳.۱۵ مهاجرت کنم؟

برای پروژه‌های جدید بله. برای پروژه‌های موجود، ابتدا مطمئن شوید وابستگی‌های اصلی شما (مثلاً Django که از نسخهٔ 6.1.3 از پایتون ۳.۱۵ پشتیبانی می‌کند) با نسخهٔ جدید سازگارند و تست‌ها را با هشدارهای فعال اجرا کنید.

آیا lazy import همهٔ مشکلات زمان شروع را حل می‌کند؟

خیر. اگر ماژول در همان شروع برنامه استفاده شود، lazy بودن تفاوتی ایجاد نمی‌کند. بیشترین سود در کدهایی است که مسیرهای اجرایی متنوعی دارند و هر مسیر فقط بخشی از وابستگی‌ها را نیاز دارد.

frozendict با MappingProxyType چه فرقی دارد؟

MappingProxyType فقط یک نمای فقط‌خواندنی روی یک دیکشنری معمولی است و اگر دیکشنری اصلی تغییر کند، نما هم تغییر می‌کند؛ همچنین hashable نیست. frozendict واقعاً تغییرناپذیر و hashable است.

جمع‌بندی #

پایتون ۳.۱۵ یک نسخهٔ متعادل است: lazy import زمان شروع را کم می‌کند، frozendict و sentinel الگوهای قدیمی و ناخوانا را جایگزین می‌کنند، UTF-8 پیش‌فرض یک منبع دائمی باگ را حذف می‌کند و Tachyon پروفایل کردن برنامه‌های در حال اجرا را به کاری چند ثانیه‌ای تبدیل می‌کند. پیشنهاد ما این است که از امروز پروژه‌های جدید را روی ۳.۱۵ شروع کنید و برای پروژه‌های قدیمی یک برنامهٔ مهاجرت با تست‌های کامل داشته باشید. برای جزئیات کامل، سند What's New in Python 3.15 را بخوانید.

این پست چطور بود؟

پست‌های مرتبط