优化：解决方案（摘自《python 高级编程）

Stefan Schwarzer在Europython 2006上用了一个原创的伪代码示例对优化一个程序做了概括

def optmize():
    """Recommended optmization"""
    # fix architecture
    assert got_architecture_right()

    # fix bugs
    assert made_code_work(bugs=None)

    while code_is_too_slow():
        wbn = find_worst_bottleneck(just_guess=False, profile=True)
        is_faster = try_to_optmize(wbn, run_unit_tests=True, new_bugs=None)
        if not is_faster:
            undo_last_code_change()

简单来说如下:

• 优化架构
• 让代码正常运行
• 如果代码运行太慢
• 找到瓶颈，不是凭空猜测，应该依据问题描述的范围轮廓
• 尽力去优化瓶颈处，不要引入新的bug
• 运行单元测试，判断代码运行的是否更快了
• 如果没有，撤销代码改动

常见优化程序的一些解决方案

• 降低复杂度
• 多线程
• 多进程
• 缓存

快速检测导致瓶颈的代码行

• 测量代码的回路复杂度
• 测量Landau符号，也成为大O记号

对运行代价很高的函数和方法的结果，可以进行缓存处理，只要：

• 该函数是确定性的，输入相同的值，生成的结果每次都相同
• 函数返回值在一定时期内（不确定）持续有用和有效