Je veux être fier de mon travail. Je veux fournir des choses qui fonctionnent, qui sont stables. Pour faire ça, il faut que l’on comprenne ce que nous faisons, à l’entrée et à la sortie, et ça ne peut pas se faire dans un système fourre-tout avec autant de surcouches.

👍‍ pour tout ce qui est énoncé dans ce billet de blog

A case study

Optimisations:

• Make use of SQLite PRAGMA statements when possible
• Use prepared statements
• Do a batched insertions
• PyPy is actually 4x faster than CPython
• Threads / async may not be faster always

In CPython: 510s
In PyPy: 150s
In Rust: 33s

Le truc qui prend du temps:

10 Mo, c’est pas grand chose me direz-vous, mais c’est là qu’une particularité de la fonction sscanf vient broyer le tout : pour chaque octet de donnée ajouté lors de la lecture, la fonction compte chaque caractère de la chaîne de caractères de 10 Mo via un strlen.

À la place, stocker le résultat du strlen au départ avant d'itérer résout le problème.

Du point de vue de la consommation énergétique lors de l'utilisation, les data centers ont fait d'énorme progrès !

On oubli cependant le coût de fabrication et de recyclage (quand il a lieu).

C'est complexe.

Supprimer les fichiers de langues …/plugins/…/lang/…

42ko d'économisé, sois 50Tb de bande passante !

TL;DR

You should probably avoid benchmarking branchy code over small problems.