Établir une baseline, profiler, formuler une hypothèse, optimiser et reproduire la mesure.
Scénario
Le tableau de bord d'administration de HashBox met 12 secondes à s'afficher depuis qu'il y a 300 000 inscriptions. On te confie l'enquête : trouver pourquoi, corriger, et prouver le gain sans casser les résultats.
Objectif
Mener une enquête de performance complète sur un programme de rapport (lecture, calcul, base de données, export) en suivant le protocole du module et en produisant un rapport reproductible.
Environnement
Python 3.10 ou plus, modules standard (cProfile, pstats, tracemalloc, timeit, sqlite3, statistics). Tout se passe en local, avec des données générées par une graine fixée.
État de départ
Un programme rapport_lent.py (à écrire selon le scénario) : génération de 300 000 inscriptions dans SQLite, calculs de statistiques en Python, export CSV. Un dossier mesures/ vide.
Tâches
- Écris le programme lent avec au moins quatre défauts (absence d'index, N+1, structure de données inadaptée, écritures non groupées).
- Écris le banc de mesure : échauffement, répétitions, médiane, percentiles, intervalle bootstrap, données brutes enregistrées.
- Établis la baseline (temps et mémoire) et enregistre-la dans
mesures/. - Profile avec
cProfileet lis les plans d'exécution SQL ; désigne le goulot numéro un avec preuves. - Formule une hypothèse falsifiable, applique un seul changement, mesure, vérifie l'équivalence des sorties.
- Répète pour les trois goulots suivants ; applique la loi d'Amdahl pour prédire le gain restant.
- Ajoute des garde-fous déterministes : compteur de requêtes SQL, test d'exposant de complexité, budget relatif.
- Mesure l'effet des index sur les écritures.
- Rédige le rapport (protocole, données brutes, analyse, avant/après, risques) et un script qui reproduit les mesures.
Observations attendues
- La baseline et chaque étape ont des mesures répétées avec incertitude.
- Chaque optimisation a une hypothèse écrite et un gain mesuré.
- Les résultats sont strictement identiques avant et après (comparaison différentielle).
- Au moins un garde-fou est déterministe (opérations comptées).
- Un tiers peut relancer
python reproduire.pyet retrouver les mêmes conclusions.
Validation
Le rapport est lisible seul ; le script de reproduction passe ; les garde-fous échouent si on réintroduit un défaut ; le gain total est supérieur à ×10 sur le scénario ou le budget fixé est atteint.
Indices
💡 Indice 1
Commence par la mesure : sans baseline, tu ne sauras jamais si tu progresses.
💡 Indice 2
Profile avant de toucher le code ; ton intuition se trompera sur au moins un goulot.
💡 Indice 3
Chaque fois que tu changes une chose, relance les tests d'équivalence.
Preuves à rendre
- Les données brutes de chaque mesure
- Les profils et plans d'exécution
- Le tableau avant/après avec incertitude
- Les garde-fous et la preuve qu'ils détectent un retour arrière
Réflexion
- Quelle optimisation t'a apporté le plus, et laquelle n'en valait pas la peine ?
- Ton intuition de départ sur le goulot était-elle juste ?
HEF-130 — Performance
Atelier Python

