20 分钟

工程化

性能分析与优化

使用 cProfile 定位性能瓶颈

使用 cProfile 分析性能
常见优化技巧
算法复杂度意识

cProfile 性能分析

示例代码（可运行）

Python 0%

常见优化技巧

示例代码（可运行）

Python 0%

1import time

3# 1. 用列表推导式替代循环append

4def slow():

5 result = []

6 for i in range(10000):

7 if i % 2 == 0:

8 result.append(i**2)

9 return result

11def fast():

12 return [i**2 for i in range(10000) if i % 2 == 0]

14# 2. 用set做成员判断（O(1) vs O(n)）

15def check_list(items, target):

16 return target in items # 列表O(n)

18def check_set(items, target):

19 return target in set(items) # 集合O(1)

21# 3. 用join拼接字符串

22def slow_concat(parts):

23 result = ""

24 for p in parts:

25 result += p # 每次创建新字符串

26 return result

28def fast_concat(parts):

29 return "".join(parts) # 一次分配

31parts = ["a"] * 1000

32start = time.time()

33slow_concat(parts)

34print(f"循环拼接: {time.time()-start:.4f}s")

35start = time.time()

36fast_concat(parts)

37print(f"join拼接: {time.time()-start:.4f}s")

时间复杂度

示例代码（可运行）

Python 0%

1import time

3# O(n²) vs O(n) 对比

4def duplicate_check_on2(lst):

5 """O(n²): 嵌套循环检查重复"""

6 for i in range(len(lst)):

7 for j in range(i+1, len(lst)):

8 if lst[i] == lst[j]:

9 return True

10 return False

12def duplicate_check_on(lst):

13 """O(n): 用set一次遍历"""

14 seen = set()

15 for x in lst:

16 if x in seen:

17 return True

18 seen.add(x)

19 return False

21for size in [100, 1000, 5000]:

22 data = list(range(size)) + [0]

23 start = time.time()

24 duplicate_check_on2(data)

25 t2 = time.time() - start

26 start = time.time()

27 duplicate_check_on(data)

28 t1 = time.time() - start

29 print(f"n={size}: O(n²)={t2:.4f}s O(n)={t1:.6f}s")

💡优化原则

先测量再优化，别瞎猜。80%时间花在20%代码上。选对数据结构比微优化重要。可读性优先，要优化再说。

预测输出

print("x" in set([1,2,3]))

找 Bug循环里用+=拼字符串，每次都生成新对象，时间复杂度是O(n²)。

result = "" for word in words: result = result + word

填空题填写空白处的代码

import cProfile cProfile.() # 开始分析

选择题

列表in操作的复杂度？

资深工程师加餐

底层原理 · 大厂视角 · 工程经验，点卡片展开

常见根因：内存泄漏导致 OOM 被系统杀掉、连接/文件句柄没关闭耗尽、事件循环里混入同步阻塞、未捕获异常让进程退出。12-Factor App 的建议很实用：配置环境化、日志当成事件流输出、进程保持无状态（状态放数据库/缓存），这样才能随时加副本做水平扩展。

挑战任务

性能挑战

简单+50 XP

对比不同方法求素数的性能。

性能挑战

Python 0%

2 个测试用例

课后作业

缓存优化

中等+20 XP

用字典缓存斐波那契计算结果。

缓存优化

Python 0%

1 个测试用例