gaby_wald
#backend #tech #optimisation #code #performance | Gabriel C.
⚡ "Pourquoi votre code est lent ? (et comment le rendre 10x plus rapide avec ces 5 astuces)" Votre code met **10 secondes à s’exécuter** ? Voici **5 astuces** pour le **rendre 10x plus rapide**, basées sur des **retours d’expérience clients** : --- 🔹 **Astuce 1 : Évitez les boucles inutiles** - **Problème** : ```python # ❌ Mauvaise pratique : Boucle imbriquée (O(n²)) for i in range(n): for j in range(n): print(i, j) ``` - **Solution** : ```python # ✅ Bonne pratique : Utiliser des listes en compréhension (O(n)) [(i, j) for i in range(n) for j in range(n)] ``` - **Gain** : **100x plus rapide** pour n = 10 000. 🔹 **Astuce 2 : Utilisez des structures de données adaptées** - **Problème** : Chercher un élément dans une **liste** (O(n)). - **Solution** : Utiliser un **set** (O(1)) ou un **dictionnaire**. ```python # ❌ Liste (lent) if "element" in ma_liste: # O(n) pass # ✅ Set (rapide) mon_set = set(ma_liste) if "element" in mon_set: # O(1) pass ``` - **Gain** : **1000x plus rapide** pour une liste de 1M d’éléments. 🔹 **Astuce 3 : Cachez les résultats coûteux** - **Problème** : Recalculer la même chose **plusieurs fois**. - **Solution** : Utilisez **`functools.lru_cache`** (Python). ```python from functools import lru_cache @lru_cache(maxsize=128) # Cache les 128 derniers appels def fonction_lente(x): return x * x # Exemple simple ``` - **Gain** : **Évite des calculs redondants**. 🔹 **Astuce 4 : Utilisez des bibliothèques optimisées** - **Problème** : Réinventer la roue (ex : trier une liste manuellement). - **Solution** : Utilisez **`sorted()`** (Python) ou **`numpy`** pour les calculs numériques. ```python # ❌ Lent def trier(liste): return sorted(liste) # Utilisez la bibliothèque standard ! # ✅ Rapide (avec numpy pour les tableaux numériques) import numpy as np tableau = np.array([3, 1, 2]) np.sort(tableau) # 10x plus rapide pour les grands tableaux ``` - **Gain** : **10x plus rapide** pour les grands jeux de données. 🔹 **Astuce 5 : Parallelisez vos tâches** - **Problème** : Exécuter des tâches **séquentiellement**. - **Solution** : Utilisez **`multiprocessing`** (Python) ou **`concurrent.futures`**. ```python from multiprocessing import Pool def traitement(liste): return [x * 2 for x in liste] if __name__ == "__main__": with Pool(4) as p: # 4 processus en parallèle result = p.map(traitement, [liste1, liste2, liste3, liste4]) ``` - **Gain** : **4x plus rapide** sur un CPU 4 cœurs. --- 💬 **Et vous, quelle est votre astuce préférée pour optimiser du code ?** Partagez en commentaire ! #BackEnd #Tech #Optimisation #Code #Performance
N-gated Hacker News
Osna.FM
Nube Colectiva
Gea-Suan Lin
☮ ♥ ♬ 🧑💻
OdicforceSounds
Mark Wyner Won’t Comply 
Markus Eisele
JCON