名称: python 描述: Python 3.11+ 性能优化指南（原python-311）。该技能应用于编写、审查或重构Python代码时，以确保最佳性能模式。在涉及异步I/O、数据结构、内存管理、并发、循环、字符串或Python惯用法的任务中触发。
Python 3.11 最佳实践
Python 3.11+ 应用程序的全面性能优化指南。包含8个类别中的42条规则，按影响优先级排序，以指导自动化重构和代码生成。
应用时机
在以下情况下参考这些指南：
- 编写新的Python异步I/O代码时
- 为集合选择数据结构时
- 在数据密集型应用中优化内存使用时
- 实现并发或并行处理时
- 审查Python代码以发现性能问题时
按优先级分类的规则类别
| 优先级 | 类别 | 影响 | 前缀 |
|---|---|---|---|
| 1 | I/O 与异步模式 | 关键 | io- |
| 2 | 数据结构选择 | 关键 | ds- |
| 3 | 内存优化 | 高 | mem- |
| 4 | 并发与并行 | 高 | conc- |
| 5 | 循环与迭代 | 中 | loop- |
| 6 | 字符串操作 | 中 | str- |
| 7 | 函数与调用开销 | 低-中 | func- |
| 8 | Python惯用法与微优化 | 低 | py- |
目录
-
I/O 与异步模式 — 关键
- 1.1 延迟await直到需要值 — 关键（对于依赖操作快2-5倍）
- 1.2 使用aiofiles进行异步文件操作 — 关键（防止事件循环阻塞）
- 1.3 使用asyncio.gather()进行并发I/O — 关键（吞吐量提升2-10倍）
- 1.4 使用连接池进行数据库访问 — 关键（每个连接节省100-200毫秒）
- 1.5 使用信号量限制并发操作 — 关键（防止资源耗尽）
- 1.6 使用uvloop获取更快的事件循环 — 关键（异步I/O快2-4倍）
-
数据结构选择 — 关键
- 2.1 使用bisect进行O(log n)排序列表操作 — 关键（搜索从O(n)到O(log n)）
- 2.2 使用defaultdict避免键存在性检查 — 关键（消除冗余查找）
- 2.3 使用deque进行O(1)队列操作 — 关键（popleft从O(n)到O(1)）
- 2.4 使用Dict进行O(1)键值查找 — 关键（查找从O(n)到O(1)）
- 2.5 使用frozenset作为可哈希集合键 — 关键（启用集合的集合模式）
- 2.6 使用Set进行O(1)成员测试 — 关键（查找从O(n)到O(1)）
-
内存优化 — 高
- 3.1 内化重复字符串以节省内存 — 高（减少重复字符串存储）
- 3.2 使用__slots__实现内存高效类 — 高（每个实例内存减少20-50%）
- 3.3 使用array.array存储同质数值数据 — 高（数值数据内存减少4-8倍）
- 3.4 使用生成器处理大型序列 — 高（内存减少100-1000倍）
- 3.5 使用weakref防止缓存内存泄漏 — 高（防止缓存无界增长）
-
并发与并行 — 高
- 4.1 使用asyncio处理I/O密集型并发 — 高（I/O吞吐量提升300%）
- 4.2 使用多进程处理CPU密集型并行 — 高（多核系统速度提升4-8倍）
- 4.3 使用Queue进行线程安全通信 — 高（防止竞态条件）
- 4.4 使用TaskGroup实现结构化并发 — 高（防止失败时资源泄漏）
- 4.5 在异步中使用ThreadPoolExecutor处理阻塞调用 — 高（防止事件循环阻塞）
-
循环与迭代 — 中
- 5.1 提升循环不变计算 — 中（避免N倍冗余工作）
- 5.2 使用any()和all()进行布尔聚合 — 中（最好情况从O(n)到O(1)）
- 5.3 使用dict.items()进行键值迭代 — 中（单次查找vs双次查找）
- 5.4 使用enumerate()进行索引值迭代 — 中（代码更清晰，避免索引错误）
- 5.5 使用itertools实现高效迭代模式 — 中（迭代模式快2-3倍）
- 5.6 使用列表推导替代显式循环 — 中（迭代快2-3倍）
-
字符串操作 — 中
- 6.1 使用f-strings进行简单字符串格式化 — 中（比.format()快20-30%）
- 6.2 使用join()进行多字符串拼接 — 中（5+字符串快4倍）
- 6.3 使用str.startswith()与元组处理多前缀 — 中（单次调用vs多次比较）
- 6.4 使用str.translate()进行字符级替换 — 中（比链式replace()快10倍）
-
函数与调用开销 — 低-中
- 7.1 减少紧循环中的函数调用 — 低-中（每100万次迭代节省100毫秒）
- 7.2 使用functools.partial预填充参数 — 低-中（通过自省调试快50%）
- 7.3 使用关键字参数提高API清晰度 — 低-中（防止位置参数错误）
- 7.4 使用lru_cache进行昂贵函数记忆化 — 低-中（避免重复计算）
-
Python惯用法与微优化 — 低
- 8.1 利用零成本异常处理 — 低（在正常路径中零开销（Python 3.11+））
- 8.2 优先使用局部变量而非全局查找 — 低（名称解析更快）
- 8.3 使用dataclass作为数据持有类 — 低（减少80%样板代码）
- 8.4 使用懒导入加速启动 — 低（启动快10-15%）
- 8.5 使用match语句进行结构模式匹配 — 低（减少分支复杂性）
- 8.6 使用海象运算符在表达式中赋值 — 低（消除冗余计算）