python-performance-optimization
Python-Code-Performance und Profiling optimieren
Auch verfügbar von: wshobson,ActiveInferenceInstitute
Langsamer Python-Code verschwendet Ressourcen und frustriert Benutzer. Diese Fähigkeit bietet systematische Profiling- und Optimierungstechniken, um Engpässe zu identifizieren und die Performance zu verbessern.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "python-performance-optimization". Eine Funktion profilieren, die eine große Liste verarbeitet
Erwartetes Ergebnis:
Timing-Bericht zeigt, dass process_data() 2,3s verbraucht hat (85% der Gesamtzeit), wobei 90% in verschachtelten Schleifen verbracht wurden. Empfehlung: Ersetzen Sie den O(n²)-Algorithmus durch Dictionary-Lookup für O(n)-Performance.
Verwendung von "python-performance-optimization". Speichernutzungsmuster analysieren
Erwartetes Ergebnis:
Memory-Profile zeigt 500MB-Allokation im data_cache-Dictionary, das unbegrenzt wächst. Empfehlung: Implementieren Sie LRU-Cache mit maxsize-Parameter oder verwenden Sie WeakValueDictionary für automatische Bereinigung.
Sicherheitsaudit
SicherStatic analysis flagged 68 patterns but all are false positives. The backtick detections are markdown code formatting, not shell execution. Network and URL findings are educational examples using test endpoints. SQLite references are documentation examples. System reconnaissance patterns are legitimate profiling tool demonstrations. This is a documentation-only skill with no executable code or security risks.
Qualitätsbewertung
Was du bauen kannst
Langsame API-Endpunkte debuggen
Eine Webanwendung profilieren, um langsame Datenbankabfragen zu identifizieren und Antwortzeiten zu optimieren.
Datenverarbeitungspipelines optimieren
Speichernutzung und Ausführungszeit von ETL-Workflows analysieren, um Ressourcenverbrauch zu reduzieren.
Algorithmeneffizienz verbessern
Rechenintensiven Code profilieren, um ineffiziente Muster zu identifizieren und geeignete Optimierungen anzuwenden.
Probiere diese Prompts
Helfen Sie mir, diese Python-Funktion zu profilieren, um Performance-Engpässe zu identifizieren. Hier ist mein Code: [paste code]. Zeigen Sie mir, wie man cProfile verwendet, um Ausführungszeit zu messen und langsame Funktionen zu finden.
Meine Python-Anwendung verbraucht zunehmend Speicher über die Zeit. Helfen Sie mir, memory_profiler und tracemalloc zu verwenden, um Speicherlecks in diesem Code zu identifizieren: [paste code]. Erklären Sie, was die Ausgabe bedeutet.
Ich habe meinen Code profiliert und diese Engpässe gefunden: [paste profiling output]. Empfehlen Sie spezifische Optimierungstechniken und zeigen Sie Vorher/Nachher-Codebeispiele für jeden Vorschlag.
Führen Sie mich durch die Einrichtung von py-spy, um einen laufenden Python-Production-Service zu profilieren, ohne ihn zu stoppen. Erklären Sie, wie man Flame Graphs generiert und die Ergebnisse interpretiert, um Hot Paths zu finden.
Bewährte Verfahren
- Immer vor der Optimierung profilieren, um tatsächliche Engpässe zu identifizieren, nicht angenommene
- Verwenden Sie geeignete Datenstrukturen: Dictionaries für Lookups, Sets für Mitgliedschaftstests, Generatoren für große Sequenzen
- Cachen Sie teure Berechnungen mit functools.lru_cache und bündeln Sie I/O-Operationen, um Systemaufruf-Overhead zu reduzieren
Vermeiden
- Code ohne Profiling-Daten zu optimieren führt zu verschwendeter Arbeit an Nicht-Engpässen
- String-Verkettung in Schleifen mit dem +-Operator statt join() verursacht quadratische Zeitkomplexität
- Gesamte Dateien oder Datensätze in den Speicher zu laden, wenn iterator-basierte Verarbeitung ausreichen würde