Комментарии 10
Его понимание помогает лучше понять, как работают ваши программы внутри, а значит и писать более эффективный и высокопроизводительный кодВесьма спорное утверждение, IMHO
-4
К прослойкам всегда нужно осторожно относиться. Для примера те же orm, порой генерирующие неоптимальные sql запросы под капотом. Один раз ускорил выполнение orm-запроса раз в 10-20 слегка изменив обращение к полям сортировки.
0
Не согласен. Понимание как работает тот или иной инструмент внутри критичен для Senior'а.
+1
Какую пользу способен извлечь Senior из информации о небольших вариациях в занимаемой процессом памяти и задержках при её выделении (конкретная техника работы с памятью интерпретатора, по большому счёту влияет только на эти два параметра, если, конечно, выбор производится из эффективных вариантов, неэффективные по понятным причинам использовать смысла нет)?
0
Хороший стиль изложения. Было бы отлично, если бы вы и другие темы, связанные с работой с памятью в python, осветили
+2
Автор, может ссылок добавить стоит, которыми пользовались при написании статьи? ;)
+1
На практике попробуй верни операционной системе память в Linux… всё ограничиться лабораторным примером, который может вернуть память m = bytes(100Gb) del m.
В реальной жизни фрагментация не даст это сделать
В реальной жизни фрагментация не даст это сделать
0
Спасибо за статью! Очень бы хотелось подробно о Memory Mapping.
+2
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как работает память в Python