知识卡片
优化收益受端到端贡献约束
小部分代码即使局部提速很多,对整体贡献也可能很小。用CPU、内存、I/O和网络等视角检查场景,才能判断下一步投入。原书每个性能问题通常只有一个瓶颈不是普遍保证;可能有多个资源约束或随负载变化的限制,隔离组件后仍要回到端到端验证。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第12章 优化——一些强大的技术 12.1 降低复杂度 · 查看原书依据
对总体执行时间或资源消耗没有实质性的影响
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》Python高级编程(第2版) · 第12章 优化——一些强大的技术,spine021单元002;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00020.html。
- 结论依据:原文局部变化可能对整体无实质影响,支持按资源贡献定投入,不把“通常一个瓶颈”当所有负载的定律。未在本机运行示例或改变环境。
- 原始内容:益与优化瓶颈的性能影响成正比。有些小组件对总体执行时间或资源消耗没有实质性的影响,分析并优化这些小组件,需要花费大量的时间,而收益却很小。如果你的应用程序似乎没有真正的瓶颈,有可能是你错过了一些东西。尝试使用不同的分析策略或工具,或从不同的角度(内存