Pyronaut の紹介
Introducing Pyronaut (pyronaut.io)
要約
Pyronaut は、GraalVM と Micronaut を基盤とした、本番環境対応サービス構築のための高性能 Python アプリケーションプラットフォームです。Python の AST を Java コンパイラと統合し、GraalVM と Graal JIT による実行時最適化により、高いパフォーマンスとスケーラビリティを持つ Python サービスを実現します。これにより、Python で開発されたサービスは、従来の FastAPI や Flask よりも大幅に高いスループットと低いレイテンシを実現し、JVM エコシステムの成熟したフレームワークを活用できるようになります。また、Micronaut Data によるビルド時 SQL クエリ生成や、Java ライブラリとのシームレスな連携も可能です。
全文翻訳
Pyronautの紹介
本日、Pyronautの提供開始を発表できることを嬉しく思います。Pyronautは、GraalVMとMicronautを基盤とした、本番環境対応の高性能Pythonアプリケーションプラットフォームです。
Pyronautとは?
Pyronautは、MicronautとGraalVM(AOTコンパイル、ビルド時検証、ソースコード処理など)の考え方とメリットをPythonにもたらします。PythonのASTとJavaコンパイラを融合し、GraalVMとGraal JITによるランタイム実行を最適化することで、非常に高性能でスケーラブルなPythonサービスを実現します。
AIの成長のおかげで、Pythonは今日、世界で最も人気のある言語の一つとなっています。そして今日から、JVMエコシステムで最も成熟し、スケーラブルで人気のあるフレームワークの一つ上でPythonを使用できるようになりました。サーバーサイド言語としてPythonを選択することが、もはやスループットの低下やレイテンシの増加を意味する必要はなくなりました。
最も小さなPyronautアプリケーション
main.pyを作成します。
from micronaut.http.annotation import Get
@Get("/")
def read_root() -> dict:
return {"Hello": "World"}
@Get("/items/{item_id}")
def read_item(item_id: int, q: str | None = None) -> dict:
return {"item_id": item_id, "q": q}
実行します。
pyronaut dev main.py
デプロイします。
pyronaut run main.py
Nettyによるスケーラビリティ
Micronautは、世界で最もスケーラブルで高性能な非同期フレームワークの一つであるNetty上に構築されています。
Pyronautを使用すると、Pythonコードは同じNettyベースのHTTPサーバーによって提供され、Graal JITによって最適化されます。当社のベンチマークでは、FastAPIの2.6倍、Flaskの6.5倍のスループットを、より低いレイテンシで実現しています(詳細は本投稿の後半で説明します)。
Pythonのasyncioの配線をNettyのイベントループに直接接続したため、async/awaitをPyronautでネイティブに使用して、スケーラブルなノンブロッキングサービスを記述できます。
import asyncio
from micronaut.http.annotation import Get
@Get("/slow-hello")
async def slow_hello() -> str:
await asyncio.sleep(0.5) # suspends the coroutine, not the event loop
return "hello"
asyncio.run()もuvicornもありません。Pyronautが関数を呼び出すときにはイベントループは既に存在しており、asyncio.gatherやasyncio.TaskGroupなどは期待通りに動作します。
これをストリーミングにも拡張したため、async forを使用してSSE、Websockets、その他のユースケース向けのストリーミングサービスを記述できます。yieldを含む任意のasync defルートは、バックプレッシャー付きでクライアントにストリーミングバックされます。
from dataclasses import dataclass
from typing import AsyncIterator
from java.time import Duration
from micronaut.http import MediaType
from micronaut.http.annotation import Get
from micronaut.http.sse import Event
from micronaut.serde.annotation import Serdeable
from micronaut_asyncio import as_async_iterable
from reactor.core.publisher import Flux
@Serdeable
@dataclass
class Tick:
index: int
label: str
@Get(value="/ticks", produces=MediaType.TEXT_EVENT_STREAM)
async def ticks() -> AsyncIterator[Event[Tick]]:
every_second = Flux.interval(Duration.ofSeconds(1)).take(3)
async with as_async_iterable(every_second) as seconds:
async for second in seconds:
yield Event.of(Tick(second, f"tick-{second}"))
任意のリアクティブなPublisherやJavaのCompletableFutureをawaitで利用できるため、ReactorなどのJavaライブラリはネイティブPython async/awaitと「そのまま動作」します。例えば、組み込みのMicronaut HttpClientを使用して、async/awaitでノンブロッキングREST呼び出しを行うことができます。
from dataclasses import dataclass
from typing import Annotated
from jakarta.inject import Inject
from micronaut.http import HttpRequest
from micronaut.http.annotation import Get
from micronaut.http.client import HttpClient
from micronaut.http.client.annotation import Client
from micronaut.serde.annotation import Serdeable
@Serdeable
@dataclass
class Repo:
name: str
stargazers_count: int
github: Annotated[HttpClient, Inject, Client("https://api.github.com")]
@Get("/repos/{owner}/{name}")
async def repo(owner: str, name: str) -> Repo:
request = HttpRequest.GET(f"/repos/{owner}/{name}").header("User-Agent", "pyronaut")
return await github.retrieve(request, Repo)
Micronaut Dataによるデータアクセス
ほとんどのPython Webフレームワークでは、データアクセスは開発者に委ねられています。ORMを選択し、セッションを設定し、実行時にクエリが実際に機能するかどうかを確認します。
PyronautにはMicronaut Dataが含まれており、Pythonでリポジトリを定義し、お気に入りのデータベース用のSQLクエリをビルド時に事前計算できます。実行時のクエリ変換はなく、存在しないプロパティを参照するクエリは、本番環境でのリクエストではなくビルド時に失敗します。
from dataclasses import dataclass
from typing import Annotated
from jakarta.inject import Inject
from jakarta.transaction import Transactional
from micronaut.data.annotation import GeneratedValue, Id, MappedEntity, Query
from micronaut.data.jdbc.annotation import JdbcRepository
from micronaut.data.model import Page, Pageable
from micronaut.data.repository import CrudRepository
from micronaut.http.annotation import Body, Get, Post
from micronaut.serde.annotation import Serdeable
@Serdeable
@MappedEntity
@dataclass
class Rocket:
id: Annotated[int | None, Id, GeneratedValue]
name: str
thrust: float
@JdbcRepository(dialect="ORACLE")
class RocketRepository(CrudRepository[Rocket, int]):
def findByNameContains(self, fragment: str) -> list[Rocket]: ...
def findTop3ByThrustGreaterThanOrderByThrustDesc(self, thrust: float) -> list[Rocket]: ...
def findNameByThrustLessThan(self, thrust: float) -> list[str]: ...
def findAll(self, pageable: Pageable) -> Page[Rocket]: ...
@Query("SELECT * FROM rocket WHERE LOWER(name) LIKE LOWER(:pattern)")
def search(self, pattern: str) -> list[Rocket]: ...
def update(self, id: Annotated[int, Id], thrust: float) -> None: ...
rockets: Annotated[RocketRepository, Inject]
@Post("/rockets")
@Transactional
def launch(fleet: Annotated[list[Rocket], Body]) -> list[Rocket]:
return [rockets.save(rocket) for rocket in fleet]
@Get("/rockets/strongest/{thrust}")
def strongest(thrust: float) -> list[Rocket]:
return rockets.findTop3ByThrustGreaterThanOrderByThrustDesc(thrust)
@Get("/rockets/page/{number}")
def page(number: int) -> Page[Rocket]:
return rockets.findAll(Pageable.from_(number, 2))
派生ファインダー、プロジェクション、ページネーション、明示的なクエリ、部分更新、トランザクションなどがすべてすぐに利用できます。
$ curl http://localhost:8080/rockets/strongest/5000
[{"id":5,"name":"Starship","thrust":74000.0},{"id":1,"name":"Saturn V","thrust":35100.0},{"id":3,"name":"Ariane 6","thrust":10400.0}]
同じプログラミングモデルがJDBC、R2DBC、Hibernate/JPA、Hibernate Reactive、MongoDB、Azure Cosmos DBで機能するため、Python開発者は長年Micronautユーザーが信頼してきた成熟したデータアクセスレイヤーをそのまま利用できます。
Pythonとjavacを結婚させた
PyronautはPythonのソースコードプロセッサであり、Pythonソースを分析し、Javaアノテーションを見るたびにPythonデコレータを自動的に表面化させます。このアプローチにより、ビルド時検証や事前計算を含む、成熟したMicronautフレームワークコア全体をPython言語にもたらすことができました。
実際には、Micronautのすべての部分がPythonで「そのまま動作」し、Python開発者はプラットフォーム全体に完全にアクセスできます。
ビルド時に高速で効率的なJSONシリアライゼーション/デシリアライゼーションを提供するシリアライザ/デシリアライザを計算するMicronaut Serializationを使用して、シリアライズ可能なデータクラスを記述できます。
from dataclasses import dataclass
from typing import Annotated
from com.fasterxml.jackson.annotation import JsonProperty
from micronaut.serde.annotation import Serdeable
@Serdeable
@dataclass
class Book:
title: str
quantity: Annotated[int, JsonProperty("qty")]
Pythonで定義されたMicronautルートからビルド時にOpenAPI仕様を生成できます。ドキュメンテーション文字列はAPIの説明に使用されます。
from io.swagger.v3.oas.annotations import OpenAPIDefinition
from io.swagger.v3.oas.annotations.info import Info
from micronaut.http.annotation import Get
OpenAPIDefinition(info=Info(title="Greetings", version="1.0"))
@Get("/hello/{name}")
def greet(name: str) -> str:
"""
Greets a person by name.
@param name The person's name
@return The greeting
"""
return f"Hello {name}!"
仕様はコンパイル中に書き込まれ、/swagger/greetings-1.0.ymlで提供されます。
openapi: 3.0.1
info:
title: Greetings
version: "1.0"
paths:
/hello/{name}:
get:
summary: Greets a person by name.
description: Greets a person by name.
operationId: greet
parameters:
- name: name
in: path
description: The person's name
required: true
schema:
type: string
responses:
"200":
description: The greeting
content:
application/json:
schema:
type: string
PythonでKafka、RabbitMQ、JMSなどのメッセージングシステムのメッセージコンシューマーとプロデューサーを記述できます。
from micronaut.configuration.kafka.annotation import KafkaKey, KafkaListener, OffsetReset, Topic
from micronaut.context.annotation import Requires
@KafkaListener(offsetReset=OffsetReset.EARLIEST)
class ProductListener:
@Topic("my-products")
def receive(self, brand: Annotated[str, KafkaKey], name: str) -> None:
LOG.info("Got Product - %s by %s", name, brand)
そして、Pyronautを使用して、非常に高性能でメモリ使用量の少ないMCP Toolsを記述できます。
from micronaut.context.annotation import Requires, Prototype
from micronaut.mcp.annotations import Tool
from micronaut.mcp.server.context import MicronautMcpTransportContext
@Prototype
class Tools:
@Tool(description="Evaluate a chess position using a FEN string.")
def fen_evaluation(self, fen: str, ctx: MicronautMcpTransportContext) -> str:
if fen == "r1bqk2r/ppp2ppp/2n5/1BbpP3/3Nn3/8/PPP2PPP/RNBQK2R w KQkq - 1 8":
return "+0.12"
return "+0.0"
Pythonのためのビルド時処理
すべてをビルド時に行うことで、Pyronautは、そうでなければアプリケーションを実行して問題を発見する必要があった人間やコーディングエージェントに、早期にエラーを検証します。ソースコードの間違いはビルド時エラーとして表面化します。設定エラーは、アプリケーションが実行される前に検出されます。
Pyronautを使用すると、エージェントと人間の両方にとって開発ループが大幅に短縮されます。
例えば、Micronaut Dataクエリメソッドでプロパティ名を間違えた場合:
@JdbcRepository(dialect=Dialect.ORACLE)
class BookRepository(CrudRepository[Book, int], Protocol):
def findByTitelContains(self, fragment: str) -> list[Book]: ...
Pyronautは処理を拒否し、何が間違っているかを正確に伝えます。
$ pyronaut process
Checking main sources...
Full rebuild selected for main sources (2 files)
Processing failed: Pyronaut processing failed: Unable to implement Repository method: python.BookRepository.findByTitelContains(String fragment). Cannot query entity [Book] on non-existent property: Titel [title]
設定も同様に扱われます。pyronaut validate-configは、解決されたアプリケーションクラスパスに対してapplication.tomlをチェックし、pyronaut dev、pyronaut run、pyronaut testは、アプリケーションが開始する前に自動的に同じ検証を実行し、__pyronaut__/reports/config-validationにJSONおよびHTMLレポートを書き込みます。
pyronaut validate-config --scenario production
JVMまたはCremaでの最適化された実行
Pyronautは、人間が使いやすいエージェントフレンドリーなCLIを備えており、JVMまたはGraalVM CremaでPythonまたはJavaコードを実行します。
Cremaは、メモリ要件を削減し、起動時間を短縮し、エージェントの開発ループを高速化する、事前にコンパイルされたネイティブベースイメージを提供します。アプリケーションは、ピークパフォーマンスまたは高速起動のどちらを優先するかによって、JVMまたはCremaにデプロイできます。ネイティブイメージのビルドは必須ではありません(完全にネイティブにしたい場合は可能です)。
ウォームアップ後の最高のピークスループットを提供するJVMのDockerイメージをビルドします。
pyronaut build main.py --jvm --docker
Cremaベースイメージの上にDockerイメージをビルドします。これにより、アプリケーションごとのネイティブイメージビルドのコストなしに、ネイティブな起動時間とメモリ使用量が得られます。
pyronaut build main.py --native-base --docker
Cremaでは、再利用可能なベースイメージのみがネイティブイメージでビルドされます。後続のアプリケーションビルドでは、処理されたクラスと依存関係が薄いレイヤーとして追加されるため、コードを変更するたびにネイティブイメージビルドのコストを支払う必要がなくなります。
PythonとJavaライブラリを使用し、Testcontainersで強化
GraalPyは多くの既存のPythonライブラリと広く互換性があり、それらはすべてPyronautアプリケーションから使用できます。
開発者やエージェントは、JVMエコシステム全体のライブラリにも自由にアクセスできます。
Javaライブラリを簡単に含めることができ、単一のPythonスクリプトからDockerコンテナでテストリソースを起動できます。以下は、HTTPエンドポイントとデータベースアクセスを備えた完全なPyronautアプリケーションです。
from dataclasses import dataclass
from typing import Annotated, Protocol
from jakarta.inject import Inject
from micronaut.data.annotation import GeneratedValue, Id, MappedEntity
from micronaut.data.jdbc.annotation import JdbcRepository
from micronaut.data.model.query.builder.sql import Dialect
from micronaut.data.repository import CrudRepository
from micronaut.http.annotation import Get, Post
from micronaut.serde.annotation import Serdeable
from pyronaut.build import AppConfig, Dependency
Dependency(group="io.micronaut.data", module="micronaut-data-jdbc")
Dependency(group="io.micronaut.sql", module="micronaut-jdbc-hikari")
Dependency(group="com.oracle.database.jdbc", module="ojdbc11")
AppConfig(name="datasources.default.db-type", value="oracle")
AppConfig(name="datasources.default.dialect", value="ORACLE")
AppConfig(name="datasources.default.schema-generate", value="CREATE_DROP")
@Serdeable
@MappedEntity
@dataclass
class Book:
id: Annotated[int | None, Id, GeneratedValue]
title: str
@JdbcRepository(dialect=Dialect.ORACLE)
class BookRepository(CrudRepository[Book, int], Protocol):
def findByTitleContains(self, fragment: str) -> list[Book]: ...
books: Annotated[BookRepository, Inject]
@Post("/books/{title}")
def create(title: str) -> Book:
return books.save(Book(None, title))
@Get("/books/search/{fragment}")
def search(fragment: str) -> list[Book]:
return books.findByTitleContains(fragment)
@Get("/books/count")
def count() -> int:
return books.count()
pyronaut dev main.pyで起動すると、Testcontainersを使用したDockerコンテナが自動的に起動してOracleデータベースを開始します。コードの変更は、データベースではなくコードのみをリロードします。
$ curl -X POST http://localhost:8080/books/Dune
{"id":1,"title":"Dune"}
$ curl http://localhost:8080/books/search/Du
[{"id":1,"title":"Dune"}]
PythonサービスのためのJVMレベルのパフォーマンス
パフォーマンスは、MicronautとGraalVMにとって常に大きな焦点でした。スループット、起動時間、メモリ使用量など、あらゆるメトリックでパフォーマンスを最適化するために継続的に取り組んできました。
その哲学は今日でも変わらず、Pyronautはすでに他の同等のPythonフレームワークよりも高いスループットと削減されたレイテンシを提供しています。
HyperfoilロードランプをHTTPS/HTTP2経由で同じ3 OCPU VMに対して実行し、Pyronaut、Granian上のFastAPI、Gunicorn上のFlaskをベンチマークしました。ステップは、すべてのレイテンシSLA(p50が100ms未満、p95が200ms未満、p99が1秒未満)を満たした場合のみカウントされます。Pyronautは毎秒35,351リクエストを維持し、FastAPIの2.6倍、Flaskの6.5倍でした。
[画像: Sustained throughput: Pyronaut 35,351 req/s, FastAPI + Granian 13,576 req/s, Flask + Gunicorn 5,453 req/s]
レイテンシは負荷が増加してもフラットに保たれ、約22,000リクエスト/秒までp99レイテンシは1ms未満です。11,655リクエスト/秒では、Pyronautのp99レイテンシは0.51msでしたが、FastAPIは6.62msでした。
[画像: p99 latency as load increases, on a log scale. Pyronaut stays near 0.5ms until around 12k req/s and reaches about 2.5ms at 35.6k req/s, while FastAPI and Flask climb much sooner]
テストセットアップ、およびp50とp95の数値は、パフォーマンスページで入手できます。
明確にしておくと、PyronautのパフォーマンスはまだJavaを使用したMicronautに匹敵するものではありません。PythonコードはGIL(Global Interpreter Lock)の後ろで実行され、並列で実行できる作業量に制限があります。
しかし、私たちはまだ始まったばかりであり、GraalPyチームはGILフリーバージョンのGraalPyに取り組んでおり、近い将来、スループット数値を大幅に増加させることができると期待しています。GILが排除されれば、Javaを使用したMicronautのパフォーマンスに匹敵するものになると考えています。
アプリケーション全体の単一VM
GraalVMは常に「すべてを支配する単一VM」を目指してきました。Javaおよびその他のTruffle言語を実行できる単一VMです。
Pyronautを使用すると、その利点がこれまで以上に明確になります。
Python用のFastAPIフルスタックテンプレートを取得し、Pyronautに変換しました。これは、寄せ集めのスクリプトから、単一のpyronaut devまたはpyronaut testコマンドで実行およびテスト可能なすべてへと進化しました。
管理UI、Node、Python、リバースプロキシを実行するための異なるVMの代わりに、Pyronautを使用すれば、単一VMでスタック全体を実行できます。PythonはGraalPyによって提供され、React SPAはGraalJSによって提供されます。
Pythonのためだけのランタイムではない
Pyronautの開発中に、Pythonの多くの利点がJava開発者にとっても利点であることに気づきました。そのため、PyronautではPythonコードを直接実行できるだけでなく、Javaコードも実行できます。
以下は、以前に示したものと同様のMicronaut Dataアプリケーションですが、今回はMySQLを使用しており、pyronaut dev App.javaで実行できます。
@Dependency(group = "io.micronaut.data", module = "micronaut-data-jdbc")
@Dependency(group = "io.micronaut.sql", module = "micronaut-jdbc-hikari")
@Dependency(group = "com.mysql", module = "mysql-connector-j")
@Dependency(
group = "io.micronaut.data",
module = "micronaut-data-processor",
scope = Dependency.Scope.BUILD
)
@AppConfig(name = "datasources.default.db-type", value = "mysql")
@AppConfig(name = "datasources.default.dialect", value = "MYSQL")
@AppConfig(name = "datasources.default.schema-generate", value = "CREATE_DROP")
public class App {
public static void main(String[] args) {
Micronaut.run(App.class, args);
}
}
@MappedEntity
record Book(@Id @GeneratedValue Long id, @NonNull String title) {
}
@JdbcRepository(dialect = Dialect.MYSQL)
interface BookRepository extends CrudRepository<Book, Long> {
}
@Controller("/books")
@ExecuteOn(TaskExecutors.BLOCKING)
final class BookController {
private final BookRepository books;
BookController(BookRepository books) {
this.books = books;
}
@Post("/{title}")
long create(@PathVariable String title) {
books.save(new Book(null, title));
return books.count();
}
@Get("/count")
long count() {
return books.count();
}
}
なぜ今Pyronautなのか?
AIはソフトウェアの書き方を変えており、AIモデルは特にPythonを強く理解しています。同時に、フレームワーク、ライブラリ、ガードレールの重要性はかつてないほど高まっています。
Micronautのようなビルド時フレームワークは、早期にエラーを検出し、有益なエラーメッセージを提供することで、人間やエージェントの開発ループを短縮し、アプリケーションの起動にかかる時間とリソースの無駄を省くのに役立つため、特に価値があります。
今後の展望
これは最初のリリースであり、ここで止まるわけではありません。
Pythonコードと、それが呼び出すJava APIの両方を理解する静的型チェッカーに取り組んでいます。ビルド時処理と組み合わせることで、アプリケーションが実行される前にさらに多くの間違いがキャッチされるようになります。これは、コーディングエージェントがアプリケーションを起動せずに作業を確認できるため、特に役立ちます。
また、Pythonコードを直接JVMバイトコードに静的にコンパイルする実験的なサポートにも取り組んでいます。オプトインしたコードでは、インタープリタが完全に不要になり、GraalPyとGraal JITがすでに提供しているものに加えて、さらにパフォーマンスが向上すると予想されます。
同時に、GraalPyチームは、ネイティブコードを呼び出すPythonライブラリのサポートを改善し、GILを削除することに取り組んでおり、パフォーマンスとスループットはさらに向上するでしょう。
今後数ヶ月で、これらのすべてについてさらに詳しい情報をお届けします。
詳細はこちら
最も早く始める方法は、PyPIからCLIをインストールし、SDKをプロビジョニングすることです。
python3 -m pip install --upgrade pyronaut
pyronaut setup
次に、以下のいずれかに従ってください。
- Pyronautのインストール
- はじめに、FastAPIチュートリアルのポートを含む
- Python開発者のためのMicronautの概念
- ブラウザで新しいプロジェクトを生成するためのPyronaut Launch
- パフォーマンスベンチマーク
- Pyronautフルスタックテンプレート
そこから、ドキュメントを読み、ガイドに従い、GitHubで構築したものをお知らせください。PyronautはCommonhaus FoundationプロジェクトであるMicronautの一部であり、皆様と共に構築していくことを楽しみにしています。
DevoxxでPyronautをライブで見る
来週、アントワープで開催されるDevoxx Belgiumに参加される方は、10月8日(木)15:00に、Thomas Wuerthingerと私がFaster Development with Java, Python, and Micronautを発表するセッションにお越しください。
Pyronautを支えるGraalVM上で構築された事前コンパイル済み、事前最適化済みMicronautランタイムと、それがコードを変更するたびにネイティブイメージのビルドを待つことなく、Java、Kotlin、Python全体で高速な起動、低メモリフットプリント、一貫したプログラミングモデルをどのように提供するかを紹介します。ぜひお越しください!