Python 性能优化

要解决什么问题

Python 写业务很快，但上线后常见问题是：延迟抖动、CPU 打满、内存持续上涨或偶发 OOM、数据库与 I/O 成为隐性瓶颈。这类问题往往不能靠「多买机器」解决，需要先定位热点函数、分配路径和等待点，再针对性改算法、减分配或改查询。

技能如何帮你推进

本技能把性能优化拆成可执行的工程流程，而不是泛泛的调优清单：

• 界定目标与约束：明确 SLA（如 P99 延迟）、输入规模、能否改依赖或数据结构，避免在无约束下无限优化。
• 分析与诊断：围绕 CPU 分析（如 cProfile、py-spy 等思路）、内存占用与泄漏排查、I/O 与数据库慢查询，建立「测量 → 假设 → 验证」的闭环。
• 落地与验证：对 CPU 密集型逻辑、数据处理管道、高频路径给出可操作的改法，并要求用前后对比数据证明收益，而不是主观感觉变快。

更细的模式与示例见技能内的 resources/implementation-playbook.md。

适用边界

• 任务与 Python 运行时内的性能 无关时，不必启用本技能。
• 若问题主要在非 Python 栈（如纯前端渲染、网络架构、硬件选型）或需要本技能未覆盖的专业工具链，应换用对应领域的技能或文档。
• 优化应以可复现的基准与生产可观测数据为准；在未测量前大规模重构，风险通常大于收益。