python-performance-optimization
Оптимизация производительности Python с помощью профилирования
Также доступно от: ActiveInferenceInstitute
Медленный код Python скрывает узкие места, которые тратят ресурсы и время. Этот навык проведет вас через шаги профилирования и оптимизации с конкретными инструментами и паттернами.
Скачать ZIP навыка
Загрузить в Claude
Перейдите в Settings → Capabilities → Skills → Upload skill
Включите и начните использовать
Протестировать
Использование «python-performance-optimization». Помогите мне профилировать медленную функцию обработки данных и предложите улучшения.
Ожидаемый результат:
- Запустите cProfile и отсортируйте по накопленному времени, чтобы найти самые горячие функции
- Замените накопление в списке на генераторы, где это возможно, для снижения потребления памяти
- Рассмотрите многопроцессорность для шагов, ограниченных процессором, после подтверждения узких мест профилированием
Использование «python-performance-optimization». Мой Python API медленно отвечает под нагрузкой. Как найти узкое место?
Ожидаемый результат:
- Используйте cProfile, чтобы определить, какие функции потребляют больше всего времени
- Проверьте паттерны N+1 запросов при обращении к базе данных
- Рассмотрите добавление lru_cache для повторных вычислений
- Профилируйте с py-spy в продакшене, если это безопасно
Использование «python-performance-optimization». Покажите мне, как оптимизировать использование памяти в долгоработающем скрипте.
Ожидаемый результат:
- Используйте tracemalloc для отслеживания выделений памяти и поиска утечек
- Замените списки на генераторы для потоковой передачи данных
- Используйте __slots__ в классах для снижения памяти на экземпляр
- Рассмотрите WeakValueDictionary для кэшей
Аудит безопасности
БезопасноDocumentation-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.
Факторы риска
⚙️ Внешние команды (53)
Оценка качества
Что вы можете построить
Снижение задержки API
Профилируйте медленные эндпоинты и примените кэширование или изменения структур данных для более быстрых ответов.
Ускорение пакетных заданий
Оптимизируйте циклы, использование памяти и паттерны ввода-вывода в конвейерах обработки данных.
План проверки производительности
Создайте план профилирования и приоритизируйте исправления для самых крупных узких мест.
Попробуйте эти промпты
Покажите минимальный пример cProfile для медленной функции и объясните, как читать результаты по накопленному времени.
Объясните, как использовать line_profiler для одной функции и как интерпретировать время выполнения каждой строки.
Предложите подход с memory_profiler или tracemalloc для поиска пиковых выделений памяти в скрипте.
Предложите варианты оптимизации для конвейера, ограниченного процессором, включая изменения алгоритмов, кэширование и многопроцессорность.
Лучшие практики
- Профилируйте перед оптимизацией, чтобы подтвердить наличие узких мест
- Бенчмарките каждое изменение, чтобы подтвердить улучшения
- Сосредоточьте усилия по оптимизации на горячих путях, которые выполняются чаще всего
Избегать
- Оптимизация без предварительного профилирования для выявления реальных узких мест
- Изменение нескольких переменных между бенчмарками, что затрудняет измерение влияния
- Избыточная оптимизация холодных путей кода, которые выполняются редко