Python jest językiem łatwym do opanowania i miłym dla programisty. Jednak łatwość projektowania nie przekłada się na prędkość działania kodu. W efekcie przetwarzanie sporych wolumenów danych czy próba skalowania aplikacji kończą się problemami z wydajnością lub niezawodnością.
Niekiedy rozwiązaniem jest użycie procesów szeregowych, w innych przypadkach warto sięgnąć do architektury wielordzeniowej, klastrów lub układów GPU. Relatywnie często okazuje się,korzystne wyniki uzyskuje się w wyniku czego takiego zmodyfikowania technik kodowania, aby przy wykorzystaniu potencjału Pythona stosować sprawdzone metody poprawy sprawności kodu.
Dzięki drugiemu, poszerzonemu i zaktualizowanemu wydaniu tej książki zdobędziesz wszechstronną wiedzę o czynnikach wpływających na wydajność kodu. Dowiesz się, jakie procesy zachodzą w tle komputera, na jakich zasadach odbywa się przydzielanie pamięci, oraz zyskasz świeże spojrzenie na cykl kompozycji do postaci kodu maszynowego.
Zapoznasz się z zagadnieniem współbieżności i obliczeń klastrowych. Zaczniesz luźno posługiwać się najlepszymi narzędziami Pythona, takimi jak NumPy czy moduł multiprocessing. Niewątpliwie docenisz techniki zapewniające korzystanie z minimum zasobów, takich jak czas procesora czy pamięć RAM.
Opisane tu zagadnienia zilustrowano przykładami kodu, a także poradami najlepszych specjalistów z branży. W książce: narzędzia NumPy, Cython i Docker znajdowanie wąskich gardeł związanych z użyciem czasu procesora i pamięci sprawność kodu a stosowne struktury danych przyspieszanie obliczeń opartych na macierzach i wektorach zarządzanie wieloma operacjami obliczeniowymi i wejścia-wyjścia przetwarzanie współbieżne i uruchamianie kodu w klastrze Programowanie w Pythonie: typowo efektywność i niezawodność!
Powyższy opis pochodzi od wydawcy.
