https://fidget-spinner.github.io/posts/jit-on-track.html

An ode to unmatched experience: the BUGATTI Grand Tour 2026

In our latest blog post – https://www.dyalog.com/blog/2026/03/mind-boggling-performance/ – Brian investigates the effect that data structure can have on performance and optimisation by revisiting a challenge from the 2019 APL Problem Solving Competition.
How is Leyden improving Java Performance? A three part blog series.
You can read it either on
https://delawen.com/2026/03/17/How-is-Leyden-improving-Java-Performance/
or
https://dev.to/delawen/how-is-leyden-improving-java-performance-part-1-of-3-4n7e
In this series of 3 blog posts we will explain how OpenJDK project Leyden is helping to improve a specific area of performance where Java has notably lagged behind other languages i.e. application ‘startup’, ‘warmup’, and ‘initial footprint’. Part 1 explains what those terms mean and why Java faces challenges in matching the behaviour of other languages. It then provides an overview of what Leyden has done to improve startup and warmup in existing JDK releases and what is planned for upcoming releases.
Novo post no blog: por que seu script Python consome mais memória do que deveria — e como generators e itertools resolvem isso sem mudar a lógica de negócio.
O culpado quase sempre é o readlines() ou a list comprehension que materializa tudo antes de passar pra próxima etapa.

Se você já usou o memory_profiler para inspecionar um script que processa arquivos grandes, provavelmente se deparou com um gráfico de consumo de RAM que sobe em escada — e não desce. O arquivo tem 500 MB, o script consome 600, 700, às vezes mais de 1 GB, e o culpado raramente é o que parece. Este artigo começa exatamente aí: num script real com consumo excessivo de memória, explica por que ele se comporta assim, e mostra como generators e itertools resolvem o problema sem mudar a lógica de negócio.