論文の概要: The Import Tax: A Longitudinal Measurement of Startup Cost in the Python Ecosystem

• arxiv url: http://arxiv.org/abs/2609.02753v1
• Date: Wed, 02 Sep 2026 15:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.46003
• Title: The Import Tax: A Longitudinal Measurement of Startup Cost in the Python Ecosystem
• Title（参考訳）: 輸入税:Pythonエコシステムにおけるスタートアップコストの経年測定
• Abstract要約: Pythonプログラムは、すべてのプロセス開始時にインポートに対して支払う。 生態系の輸入コストの体系的な測定は存在しない。 パッケージの半分は6ミリ秒以下で輸入されるが、99パーセントは354ミリ秒である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Python programs pay for their imports at every process start, a cost that is invisible in steady-state benchmarks but dominant for command-line tools, test workers, and serverless cold starts. Python 3.15 adds explicit lazy imports (PEP 810) largely on anecdotal evidence; no systematic measurement of the ecosystem's import cost exists. We present one: the 500 most-downloaded PyPI packages, sampled quarterly over five years of releases, measured under six CPython versions (3.9-3.14) on two platforms (Apple M5/macOS and Intel Xeon/Linux), for 63,431 measurements in total, plus direct measurement of 3.15's global lazy-import mode. Import cost is heavily skewed: half of packages import in under 6 ms, but the 99th percentile is 354 ms, the first import after installation costs 3-22x more (bytecode compilation), and importing a package's submodules costs up to 294x more than the top-level import that benchmarks report. The median package's cost grows only +1.6-2.4%/year, but the mean grows +11-13%/year: growth is concentrated in a heavy tail. Newer interpreters import the same code 1.16x slower on macOS, but not on Linux, and a single point release (3.11.5 vs. 3.11.16) swings cost by 1.34x. Global lazy mode makes import statements essentially free, yet breaks 8 of 414 top packages. Harness and dataset are available on request.
• Abstract（参考訳）: 安定した状態のベンチマークでは見えないが、コマンドラインツールやテストワーカー、サーバレスコールドスタートでは支配的なコストである。 Python 3.15には明示的な遅延インポート(PEP 810)が追加されている。 2つのプラットフォーム(Apple M5/macOSとIntel Xeon/Linux)で6つのCPythonバージョン(3.9-3.14)で測定され、合計63,431の計測と3.15のグローバル遅延インポートモードの直接測定が行われた。 パッケージの半分は6ミリ秒以下でインポートされるが、99番目のパーセントは354ミリ秒であり、インストール後の最初のインポートは3.22倍(バイトコードコンパイル)、パッケージのサブモジュールのインポートは294倍になる。 中央値パッケージのコストは1年あたり1.6-2.4%しか増加しないが、平均は1年あたり11-13%増加し、成長は重い尾に集中している。 新しいインタプリタは同じコードをmacOSでは1.16倍遅いがLinuxでは動作せず、シングルポイントリリース(3.11.5 vs. 3.11.16)では1.34倍のコストがかかる。 グローバル遅延モードは、インポートステートメントを基本的に無料にするが、トップパッケージ414のうち8つを壊す。 Harnessとデータセットは、オンデマンドで利用できる。

関連論文リスト

• Python Import as an Execution Boundary: An Empirical Study of Bugs, Vulnerabilities, and Analysis Gaps [7.13396930901845]
  Pythonソフトウェアのインポート関連バグとセキュリティ脆弱性について検討する。 PyPIプロジェクトヒストリーでセキュリティアドバイザリを使用して、インポートがケースをアクティベートする方法を確認します。 ImportVulBenchは228組のプリフィックスと11のバグタイプすべてをカバーする修正プログラムです。
  論文  参考訳（メタデータ） (2026-09-13T21:06:35Z)
• SMTpip: Interpreter-Aware SMT-Based Dependency Conflict Resolution for Restoring Python Source-Code Executability [5.10290711045049]
  我々は,Pythonのソースコードアーティファクトの実行性を改善するためのインタプリタ対応環境推論手法であるSMTpipを提案する。 SMTpipは、数百万のパッケージリリースをホストするPython Package Index(PyPI)に格納されたメタデータを使用して、依存性知識グラフを構築する。 オープンソースのPythonプロジェクトからの複数のデータセットに対する実証的な評価は、SMTpipが相当なスピードアップを達成することを示している。
  論文  参考訳（メタデータ） (2026-08-16T18:22:59Z)
• The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort [51.56484100374058]
  Spracklenらは、コード生成された大きな言語モデルは、PyPIやnpmに存在しないパッケージ名を幻覚させることを示した。 199,845対のPythonとJavaScriptプロンプトの幻覚率を測定し、PyPIとnpmマスターリストに対して検証した。 127個のパッケージ名(PyPIは109個,npmは18個)を5つの評価モデルで同一に作成する。
  論文  参考訳（メタデータ） (2026-05-16T16:08:52Z)
• How Deep Does Your Dependency Tree Go? An Empirical Study of Dependency Amplification Across 10 Package Ecosystems [0.0]
  Maven、npm Registry、RubyGems、Go Modules、PyPI、CocoaPods、Pubを含む10の主要なエコシステムにわたる500のプロジェクトを調査します。 我々は45対比較のうち22対において大きな効果サイズに有意な差が見られ、npmが最も増幅率が高いという仮定に挑戦する。 この結果から,Maven環境のシステマティック監査,npmおよびRubyGemsのアウトレイラ検出,制御増幅によるエコシステムの現在のプラクティスの継続など,エコシステム固有のセキュリティ戦略の採用が示唆された。
  論文  参考訳（メタデータ） (2025-12-12T05:53:32Z)
• PyPitfall: Dependency Chaos and Software Supply Chain Vulnerabilities in Python [1.2644387713029346]
  本稿では、PyPIエコシステム全体にわたる脆弱な依存関係の定量的解析であるPyPitfallを紹介する。 我々は,378,573個のPyPIパッケージの依存関係構造を分析し,少なくとも1つの既知の拡張可能なバージョンを必要とする4,655個のパッケージを特定した。 我々は,Pythonソフトウェアサプライチェーンのセキュリティに対する認識を高めることを目的としている。
  論文  参考訳（メタデータ） (2025-07-24T03:58:18Z)
• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• $\textit{lucie}$: An Improved Python Package for Loading Datasets from the UCI Machine Learning Repository [0.9538135250026231]
  $textitlucie$は、データフォーマットを決定し、これまで利用できなかったデータセットの多くをインポートするユーティリティである。 $textitlucie$は98%のコードカバレッジを持つPyPI上のPythonパッケージとして利用できる。
  論文  参考訳（メタデータ） (2024-10-10T21:13:56Z)
• PyMarian: Fast Neural Machine Translation and Evaluation in Python [11.291502854418098]
  シーケンス・ツー・シーケンス・モデルのための C++ ベースのトレーニングおよび推論ツールキットである Marian NMT に Python インタフェースを記述した。 このインターフェースにより、Marianでトレーニングされたモデルが、Pythonで利用可能なリッチで幅広いツールに接続できるようになる。
  論文  参考訳（メタデータ） (2024-08-15T01:41:21Z)
• pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
  $textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。 私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
  論文  参考訳（メタデータ） (2024-03-12T16:46:54Z)
• Vega-MT: The JD Explore Academy Translation System for WMT22 [67.71016343958556]
  言語ペアとモデルサイズという2つの主要な要因をスケールアップすることで、これまでの作業の限界を押し上げます。 第1位はZh-En(45.1)、En-Zh(61.7)、De-En(58.0)、En-De(63.2)、Cs-En(74.7)、Ru-En(64.9)、En-Ru(69.6)、En-Ja(65.1)、En-Cs(95.3)、Ja-En(40.6)である。
  論文  参考訳（メタデータ） (2022-09-20T03:45:24Z)
• DADApy: Distance-based Analysis of DAta-manifolds in Python [51.37841707191944]
  DADApyは、高次元データの分析と特徴付けのためのピソンソフトウェアパッケージである。 固有次元と確率密度を推定し、密度に基づくクラスタリングを行い、異なる距離メトリクスを比較する方法を提供する。
  論文  参考訳（メタデータ） (2022-05-04T08:41:59Z)
• PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
  PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。 外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。 PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
  論文  参考訳（メタデータ） (2022-04-26T06:15:21Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• mvlearn: Multiview Machine Learning in Python [103.55817158943866]
  mvlearnは、主要なマルチビュー機械学習メソッドを実装するPythonライブラリである。 パッケージはPython Package Index(PyPI)とcondaパッケージマネージャからインストールできる。
  論文  参考訳（メタデータ） (2020-05-25T02:35:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。