Saltearse al contenido

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.

# 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

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.