Optymalizacja pamięci z AI

Zaawansowane programowanie wspomagane przez AI dla deweloperów

Thalia Barrera

AI Engineering Curriculum Manager, DataCamp

Od złożoności czasowej do przestrzennej

Wydajność to nie tylko szybkość:

Użycie pamięci
Skalowalność
Wzrost danych w czasie

Od złożoności czasowej do przestrzennej

Testowanie na dużą skalę

Porównanie skali bazy danych

✔ Mały zbiór danych: przydatny do nauki
📈 Problemy z pamięcią: pojawiają się przy skali
💾 Prawdziwa baza danych: bliżej produkcji

Ostrzeżenie o wzroście pamięci

AI interpretuje ślady pamięci

Wynik AI:

Duża zatrzymana pamięć
Powtarzające się struktury pośrednie
Podczas operacji agregacji

Zidentyfikowana przyczyna źródłowa

Przyczyna źródłowa

AI proponuje rozwiązania

🤖 Prompt – wąskie gardło pamięci:

Na podstawie zidentyfikowanego wąskiego gardła pamięci zaproponuj strategie refaktoryzacji zmniejszające szczytowe użycie pamięci. Rozważ strumieniowanie, ponowne wykorzystanie danych lub alternatywne reprezentacje.

Proponowane strategie:

Redukcja pośrednich alokacji
Ponowne użycie buforów
Wprowadzenie cachowania

Kompromisy cachowania

Waga kompromisów cache

Ostrożnie z cachowaniem:

✔ Może poprawić wydajność
❌ Może też zwiększyć użycie pamięci

Kompromisy cachowania

🤖 Prompt – porównanie kompromisów:

Biorąc pod uwagę to obciążenie i wzorzec dostępu, czy strategia cachowania zmniejszy ogólne użycie pamięci, czy może je pogorszyć? Wyjaśnij kompromisy.

Implementacja przez AI

Jak zawsze:

Dokładnie przejrzyj zmiany
Zweryfikuj przed zaakceptowaniem

Wyniki walidacji

Uruchomienie benchmarku:

Wyniki:

Szczytowa pamięć znacznie spada
Czas wykonania pozostaje stabilny
✅ Optymalizacja zatwierdzona

Prompty do benchmarkingu

🤖 Prompt – benchmarking:

Jesteś ekspertem ds. wydajności Pythona. Poniżej znajdują się dwa zrzuty tracemalloc: przed i po zmianie kodu.

Przed: {before_snapshot}

Po: {after_snapshot}

Porównaj szczytowe użycie pamięci i liczbę alokacji. Uzasadnij wnioski liczbami. Jeśli zmiana jest poprawą, wyjaśnij dlaczego. Jeśli nie, zaproponuj poprawki.

Skuteczne prompty do benchmarkingu:

Podaj dane przed/po
Określ istotne metryki
Proś o wnioski oparte na danych

✔ Sprawia, że optymalizacja jest powtarzalna i systematyczna

Czas na ćwiczenia!

Zaawansowane programowanie wspomagane przez AI dla deweloperów