ztevenreal
Cuando se intenta obtener el mejor rendimiento de Python, la mayoría de los desarrolladores recurren inmediatamente a soluciones algorítmicas complejas, utilizando extensiones de C o ejecutando obsesivamente herramientas de creación de perfiles. Sin requisa, una de las formas más rápidas y que más se pasa por detención de acelerar instantáneamente un script de Python son las banderas de la partidura de comandos.
La bandera que estamos revisando es el interruptor que le dice a Python que realice una precisión formidable en tiempo de compilación, desechando todo lo que no es estrictamente necesario para que se ejecute la método final.
El aumento secreto del rendimiento oculto a plena presencia
Si ejecuta un script usando el comando python -O script.pyestás activando el modo de optimización elemental de Python. Es una característica que muchos desarrolladores pasan por detención, especialmente porque muchas personas ven las declaraciones de afirmación como ayudas de depuración inofensivas.
Se podría pensar que estas comprobaciones simplemente permanecen ahí esperando a ser activadas, pero en un entorno de producción ocupado con detención rendimiento, la comprobación constante de estas condiciones verdaderamente puede detener las cosas, especialmente si están internamente de bucles que se activan con frecuencia. El -O flag le dice al intérprete de Python que cambie fundamentalmente la forma en que compila su código fuente en código de bytes. Específicamente, genera resultados que descartan por completo las afirmaciones.
El compilador hace que las declaraciones de afirmación desaparezcan del conjunto de instrucciones antaño de que se cargue el software. Esto no solo significa archivos de código de bytes sutilmente más pequeños, sino que elimina la sobrecarga computacional asociada con la comprobación de esas condiciones mientras se ejecuta el código.
Deshacerse de las afirmaciones no es lo único que -O la bandera lo hace. Altera fundamentalmente el entorno de ejecución al forzar la constante entero incorporada __debug__ a Copiado. Normalmente, sin el indicador de optimización, __debug__ El valencia predeterminado es cierto, lo que permite que los bloques de código de dictamen estén protegidos por if __debug__: pasar. Sin requisa, cuando la optimización está activa, el compilador de Python realiza la matanza del código inactivo en esos bloques completos.
Donado que el valencia de __debug__ se determina cuando se genera el código de bytes, el intérprete recorta el árbol sensato de su script incluso antaño de que el software comience a ejecutarse. Las rutas de código destinadas solamente al dictamen de avance se eliminan por completo, lo que evita que el intérprete desperdicie ciclos de comprobación de condicionales que ya sabe que son falsos.
Básicamente, le permite seguir las prácticas de codificación Pythonic al dejar la instrumentación de dictamen en sus archivos fuente sin afectar el rendimiento en producción, ya que el compilador simplemente ignora esos segmentos durante la traducción a código de bytes.
Aniquilación de código de bytes para máxima eficiencia
el estandar -O flag es espléndido, pero si necesitas poco mucho más agresivo, -OO es para ti. Efectivamente lleva las cosas a un nivel superior al eliminar completamente las cadenas de documentación del código de bytes, cambiando totalmente la salida compilada.
Cuando el intérprete se ejecuta usando -OOdescarta todos esos literales de cautiverio que definen la documentación para sus módulos, clases y funciones, por lo que no se pueden cargar en el __doc__ atributo más delante. Donado que Python reciente sigue PEP 488, hacer esto le brinda .opt-2.pyc archivos, que son totalmente diferentes de los habituales .pyc distinción o el .opt-1.pyc versiones de optimización básica.
Sólo debes memorar que estás intercambiando funcionalidad para un mejor consumo de posibles. Este proceso reduce significativamente tanto la huella de memoria como el resultado final. .pyc tamaño del archivo porque Python no tiene que asignar RAM para texto que no sea estrictamente necesario para ejecutar la método.
Guardar un par de megabytes puede parecer inútil en su gran escritorio de desarrollador, pero esta reducción es absolutamente crítica si trabaja con entornos en contenedores, microservicios o sistemas integrados. En esas implementaciones de gran escalera, donde un servicio puede ejecutarse miles de veces en hardware pequeño, cada megabyte de RAM verdaderamente cuenta.
Esta optimización asimismo hace que el tiempo de carga sea mucho más rápido en universal. Donado que esos archivos de código de bytes compilados son más pequeños, el intérprete necesita menos sobrecarga de E/S para leerlos desde el disco y menos ciclos de CPU para analizar las estructuras de los módulos durante las importaciones. Esto ayuda a proseguir todo el conjunto de instrucciones agradable y ágil, que es exactamente lo que desea para herramientas de interfaz de partidura de comandos o procesos de corta duración donde la velocidad de inicio es crítica. Es simplemente una técnica de programación verdaderamente inteligente para convertirte en élite.
Sería extraño que no hubiera ningún inconveniente, pero lo hay. El código que depende de la introspección se romperá al usarlo -OO. Esto es para herramientas como doctest, pydoc o cualquier biblioteca que intente analizar cadenas de documentos para ocasionar texto de ayuda o método de tiempo de ejecución. Por lo tanto, solo debe tener esta optimización agresiva para implementaciones de producción en las que sepa con certeza que el código cojín no necesita paso a la documentación en tiempo de ejecución.
Inicio más rápido con aislamiento del entorno Python
Como mejora, asimismo tienes el -E flag, que es una opción de partidura de comandos para comprobar de que su contexto de ejecución esté honrado. Le dice al intérprete de Python que ignore por completo todos PYTHON* variables de entorno cuando se inicia. En configuraciones de avance complejas, variables como PYTHONPATH y PYTHONHOME Por lo universal, personaliza dónde exploración Python los módulos o define la ubicación de las bibliotecas unificado.
Esto es útil para una configuración de becario específica, pero estas variables en ingenuidad obligan al intérprete a escanear carpetas adicionales y analizar rutas de archivos adicionales cada vez que se inicia un script. Esto normalmente añade una sobrecarga innecesaria al proceso de inicialización.
Al ejecutar Python con -Eomite esas búsquedas y evita que el intérprete pierda tiempo buscando rutas locales, directorios definidos por el becario o paquetes de sitios personalizados que su script específico definitivamente no necesita. Esta bandera básicamente actúa como un mando de reinicio localizado para su entorno de ejecución, por lo que su secuencia de comandos se inicia más rápido y de forma más limpia.
Quiere hacer esto porque si su PYTHONPATH está atascado con numerosos directorios, como unidades de red asignadas, ralentiza drásticamente la resolución del módulo. Todavía corre el aventura de anular accidentalmente las bibliotecas unificado o provocar conflictos de versiones.
Para ser justos, el -I flag tiene un aislamiento aún más puro porque asimismo desactiva el directorio del sitio del becario y elimina la carpeta flagrante de sys.pathpor lo que es una buena alternativa. Sin requisa, -E apunta específicamente al vector de variable de entorno, que es lo suficientemente bueno como para desinfectar el proceso de inicio cuando eso es todo lo que necesita.
El intérprete de Python le brinda herramientas poderosas e integradas para tomar su código seguro y con mucho dictamen y hacerlo apto para la producción. Todas esas funciones que absolutamente necesita mientras escribe, depura y prueba se convierten en pura sobrecarga cuando su aplicación se ejecuta bajo una carga de producción pesada.
Puede obtener ganancias significativas en velocidad, tamaño de memoria y velocidad de inicio simplemente cambiando el comando que usa para iniciar Python, todo sin tocar una partidura de su código fuente verdadero. Las configuraciones del sistema y los ajustes de indicadores simples a menudo le brindan mejores ganancias de rendimiento inmediatas que las horas dedicadas a microoptimizar su método empresarial.
