python-performance-optimization
プロファイリングによるPythonパフォーマンスの最適化
こちらからも入手できます: ActiveInferenceInstitute
遅いPythonコードは、リソースと時間を浪費するボトルネックを隠しています。このスキルは、具体的なツールとパターンを使ったプロファイリングと最適化のステップをガイドします。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「python-performance-optimization」を使用しています。 遅いデータ処理関数のプロファイリングを手伝い、改善を提案してください。
期待される結果:
- 最もホットな関数を見つけるためにcProfileを実行し、累積時間で並べ替える
- リスト累積を可能な限りジェネレータに置き換えてメモリを削減する
- ボトルネックを確認した後、CPUバウンドステップにマルチプロセシングを検討する
「python-performance-optimization」を使用しています。 私のPython APIは負荷下で遅く応答します。ボトルネックを見つけるにはどうすればよいですか？
期待される結果:
- どの関数が最も時間を消費するか特定するためにcProfileを使用する
- データベースアクセスにおけるN+1クエリパターンを確認する
- 繰り返される計算にlru_cacheの追加を検討する
- 安全であれば本番環境でpy-spyを使用してプロファイリングする
「python-performance-optimization」を使用しています。 長寿命スクリプトのメモリ使用量を最適化する方法を教えてください。
期待される結果:
- 割り当てを追跡しリークを見つけるためにtracemallocを使用する
- ストリーミングデータのためにリストをジェネレータに置き換える
- クラスで__slots__を使用してインスタンスごとのメモリを削減する
- キャッシュにWeakValueDictionaryを検討する
セキュリティ監査
安全Documentation-only skill containing Python optimization guidance. All static findings are false positives caused by the scanner misinterpreting code examples in markdown documentation. The skill provides instructional content only; no code is executed, no network calls are made, and no files are accessed. Users receive guidance on profiling tools and optimization patterns.
リスク要因
⚙️ 外部コマンド (53)
品質スコア
作れるもの
APIレイテンシの削減
遅いエンドポイントをプロファイリングし、キャッシュやデータ構造の変更を適用して応答を高速化します。
バッチ処理の高速化
データパイプライン内のループ、メモリ使用量、I/Oパターンを最適化します。
パフォーマンレビュープラン
プロファイリング計画を作成し、最大のボトルネックの修正に優先順位を付けます。
これらのプロンプトを試す
遅い関数の最小限のcProfile例を示し、上位の累積時間結果を読み取る方法を説明します。
1つの関数でline_profilerを使用する方法と、行ごとのタイミングを解釈する方法を説明します。
スクリプト内のピーク割り当てを見つけるためのmemory_profilerまたはtracemallocのアプローチを提供します。
CPUバウンドパイプライン向けの最適化オプションを提案し、アルゴリズムの変更、キャッシュ、.multiprocessingを含みます。
ベストプラクティス
- ボトルネックが存在することを確認するために、まずプロファイリングを行う
- 各変更をベンチマークして、改善が発生したことを検証する
- 最も頻繁に実行されるホットパスに最適化 노력을集中させる
回避
- まずプロファイリングして実際のボトルネックを特定せずに最適化する
- ベンチマーク間で複数の変数を変更して、影響度を測定困難にする
- まれに実行されるコールドコードパスを過度に最適化する