Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej
MNiSW
5
spoza listy
Status:
Autorzy: Mroczek Przemysław, Mańturz Jakub, Miłosz Marek
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2025
Wersja dokumentu: Elektroniczna
Język: angielski
Wolumen/Tom: 35
Strony: 137 - 141
Bazy: BazTech
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 30 czerwca 2025
Abstrakty: angielski | polski
This article presents results of exploration of the combined application of Python and Rust in enhancing software perfor-mance, focusing on algorithm implementation. Python, known for its simplicity and flexibility, is widely used in various domains but faces limitations in CPU-intensive tasks. Rust, on the other hand, excels in performance and safety of memory management, making it a compelling choice for optimizing critical code sections. By leveraging tools such as PyO3 and Maturin, Authors examine how Rust's compiled code can be seamlessly integrated into Python projects to mitigate per-formance bottlenecks.
W niniejszym artykule zaprezentowano wyniki badań wydajności połączenia technologii Python i Rust w celu poprawy wydajności oprogramowania, ze szczególnym uwzględnieniem implementacji algorytmów. Python, znany ze swojej pro-stoty i elastyczności, jest szeroko wykorzystywany w różnych dziedzinach, jednak napotyka ograniczenia w zadaniach intensywnie korzystających z procesora. Z kolei Rust wyróżnia się wydajnością i bezpiecznym zarządzaniem pamięcią, co czyni go atrakcyjnym wyborem do optymalizacji krytycznych fragmentów kodu. Wykorzystując narzędzia takie jak PyO3 i Maturin, poddano analizie, w jaki sposób skompilowany kod w języku Rust może być płynnie zintegrowany z projektami wykorzystującymi Python, aby ograniczyć elementy aplikacji negatywnie wpływające na wydajności.