Memoria, rendimiento y SciPy
Esta parte responde a la pregunta que aparece tarde en todo proyecto: ¿por qué el proceso crece y por qué tarda lo que tarda? No hay una respuesta única, hay tres preguntas y tres instrumentos: mirar la memoria, medir el tiempo y decidir qué dejar en manos de una biblioteca.
La regla que ordena los ocho capítulos: ninguna afirmación sobre rendimiento se publica sin medición, y ninguna medición se hace sin saber qué instrumento se está usando.
Capítulos
Sección titulada «Capítulos»| # | Capítulo |
|---|---|
| 01 | El ciclo de vida de un objeto |
| 02 | Fugas de memoria reales |
| 03 | weakref |
| 04 | Medir |
| 05 | Optimizar sin mentir |
| 06 | Vectorizar con numpy |
| 07 | Cachés e invalidación |
| 08 | SciPy: dejar de escribir el algoritmo |
El orden
Sección titulada «El orden»Los cuatro primeros son el diagnóstico: cómo muere un objeto, cómo sobrevive sin querer, cómo soltarlo sin dueño y cómo mirar. Los dos siguientes son el tratamiento en el código propio: qué cambiar y cuándo el bucle hay que sacarlo de Python. El 07 es memoria de resultados, y el 08 es el paso siguiente: delegar el algoritmo entero en una biblioteca que ya resolvió las condiciones de borde.
Si sólo puedes leer uno, lee el 04. Sin medición, los otros siete son anécdotas.