High Performance Python, 2. Auflage

Kapitel 2. Profiling zum Auffinden von Engpässen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Fragen, die du nach diesem Kapitel beantworten kannst

• Wie kann ich Geschwindigkeits- und RAM-Engpässe in meinem Code erkennen?

• Wie kann ich ein Profil der CPU- und Speichernutzung erstellen?

• Wie tief sollte ich das Profiling ansetzen?

• Wie kann ich ein Profil für eine langlaufende Bewerbung erstellen?

• Was passiert unter der Haube von CPython?

• Wie kann ich meinen Code korrekt halten und gleichzeitig die Leistung verbessern?

MitProfiling können wir Engpässe aufspüren, damit wir mit möglichst wenig Arbeit den größten praktischen Leistungsgewinn erzielen können. Auch wenn wir gerne mit wenig Aufwand große Geschwindigkeitsgewinne und eine Verringerung des Ressourcenverbrauchs erreichen würden, solltest du in der Praxis darauf achten, dass dein Code "schnell genug" und "schlank genug" ist, um deinen Anforderungen zu entsprechen. Mit Profiling kannst du die pragmatischsten Entscheidungen mit dem geringsten Gesamtaufwand treffen.

Jede messbare Ressource kann profiliert werden (nicht nur die CPU!). In diesem Kapitel schauen wir uns sowohl die CPU-Zeit als auch die Speichernutzung an. Du kannst ähnliche Techniken auch anwenden, um die Netzwerkbandbreite und die Festplatten-E/A zu messen.

Wenn ein Programm zu langsam läuft oder zu viel RAM verbraucht, solltest du die Teile deines Codes beheben, ...