Awesome GitHub RepositoriesCode Execution Profilers

30 Seconds of Python is a curated collection of short, reusable Python code snippets designed for quick reference and immediate reuse. It provides an interactive browser that lets you explore snippets organized by tags, search across names and descriptions, and copy code to your clipboard with a single click. The collection covers a broad range of common programming tasks, including list and dictionary operations, string formatting and manipulation, date and time calculations, and color format conversion. It also includes utilities for data transformation, such as converting between case styl

Haxe is a statically typed, multi-target programming language and open-source compiler toolkit that translates a single codebase into native executables and scripts for JavaScript, C++, C#, Java, Python, Lua, PHP, and Flash targets. It provides a unified type system with automatic type inference, a compile-time macro system for code transformation and generation, conditional compilation directives, and a static analysis engine that enforces null safety and eliminates dead code to produce smaller, safer outputs. The language is supported by the HashLink virtual machine, which executes platform

Pixie is an open-source observability platform for Kubernetes that uses eBPF to automatically capture telemetry data from clusters without requiring any manual instrumentation or code changes. It functions as an eBPF telemetry collector, a continuous application profiler, a network traffic analyzer, and a scriptable telemetry query engine, all within a single Kubernetes-native tool. The platform distinguishes itself through several integrated capabilities. It continuously samples stack traces from compiled-language code to identify CPU performance bottlenecks, visualizing the results as inter

Linux工具快速教程

Clockwork is a PHP development debugging tool that collects and displays runtime data from server-side middleware in a browser-based interface. It captures request details, performance metrics, logs, database queries, and stack traces for HTTP requests, commands, queue jobs, and tests without requiring modifications to application code. The tool provides a client-side rendered toolbar and full web interface for inspecting collected data, including a searchable performance timeline viewer, an HTTP request monitor with timing and response details, and inline variable logging helpers that return

Este proyecto es una guía de optimización de rendimiento y recurso de refactorización para Ruby. Proporciona una colección de patrones de codificación comparados y comparaciones idiomáticas diseñadas para aumentar la velocidad de ejecución y reducir las asignaciones de memoria en aplicaciones Ruby. El recurso se centra en mapear construcciones comunes del lenguaje a sus equivalentes computacionalmente más eficientes. Utiliza análisis de tiempo comparativo y perfilado de conteo de asignaciones para identificar modismos de alto rendimiento que reemplazan expresiones pesadas en objetos. El proyecto cubre el ajuste del tiempo de ejecución de la aplicación y la gestión de memoria al identificar patrones que reducen la sobrecarga del recolector de basura (garbage collector). Emplea desarrollo basado en benchmarks para evaluar el impacto de características específicas del lenguaje en la memoria del sistema y la velocidad de ejecución.

Porffor es un compilador ahead-of-time que convierte código fuente de JavaScript y TypeScript en código máquina nativo o binarios C. Funciona como un generador de binarios nativos y transpilador, produciendo archivos ejecutables independientes que no requieren un runtime o máquina virtual. El proyecto traduce código fuente a archivos en lenguaje C y formatos binarios WebAssembly. Incluye un pipeline directo a binario para TypeScript, permitiendo la generación de ejecutables de destino sin un paso de transpilación separado a JavaScript. El conjunto de herramientas también incluye un bucle read-eval-print interactivo para la ejecución de código en tiempo real, así como capacidades para depurar código fuente y perfilar el rendimiento de la ejecución.

GT es una herramienta de depuración móvil en el dispositivo diseñada para capturar paquetes de red, analizar registros del sistema y perfilar el rendimiento del hardware directamente en un smartphone. Proporciona un conjunto portátil de utilidades para identificar errores de software y cuellos de botella de procesamiento sin requerir una conexión a una computadora host. El proyecto cuenta con un framework de depuración basado en plugins que permite el desarrollo de extensiones funcionales personalizadas para implementar lógica de depuración específica del proyecto. También permite el ajuste y la inyección de parámetros en tiempo real, permitiendo que la configuración interna de la aplicación se modifique durante la ejecución para probar diferentes configuraciones. La herramienta cubre varias áreas centrales de observabilidad y diagnóstico, incluyendo la perfilación del rendimiento del hardware para métricas de CPU, memoria, batería y tasa de fotogramas. Incluye capacidades para interceptar y analizar el tráfico de red y las comunicaciones de API, así como utilidades para agregar y analizar registros de fallos tanto de la aplicación como del nivel del sistema.

Este proyecto es un framework de servicio de modelos de PyTorch diseñado para desplegar y escalar modelos de machine learning en producción a través de endpoints de red escalables. Funciona como un servidor de inferencia de alto rendimiento, optimizador y gestor del ciclo de vida del modelo que maneja la carga de modelos, el procesamiento por lotes (batching) de solicitudes y la aceleración por hardware. El sistema se distingue por sus capacidades avanzadas de orquestación y optimización, como el encadenamiento de múltiples modelos en flujos de trabajo secuenciales mediante grafos de ejecución y el uso de procesamiento por lotes dinámico para mejorar el rendimiento y la latencia. Proporciona soporte especializado para IA generativa y modelos de lenguaje de gran tamaño (LLM) mediante procesamiento por lotes continuo y paralelismo de tensores. Las áreas de capacidad incluyen la gestión de recursos de GPU en hardware diverso como NVIDIA, AMD y Apple Silicon, así como una gestión integral del ciclo de vida del modelo para registro, versionado y escalado de trabajadores. También integra herramientas de observabilidad para rastrear la salud del sistema y el rendimiento del modelo mediante métricas compatibles con Prometheus. El servidor se gestiona a través de una interfaz de línea de comandos utilizada para el control del ciclo de vida y la configuración de parámetros de tiempo de ejecución.

stacktrace.js es una biblioteca de JavaScript diseñada para generar y analizar pilas de llamadas (call stacks) de funciones detalladas a partir de objetos de error en diferentes navegadores web. Funciona como un analizador de trazas de pila y utilidad de instrumentación de errores que captura el flujo de ejecución y las trazas de error. El proyecto se diferencia por su capacidad para resolver mapas de fuentes (source maps), traduciendo trazas de pila de JavaScript minificado de vuelta a las líneas fuente originales. También incluye un reportero de errores remoto para transmitir datos de excepciones procesados y trazas de pila a un servidor centralizado para su análisis. La biblioteca cubre amplias áreas de capacidad, incluyendo la extracción de trazas de error, generación de trazas estructuradas e instrumentación de llamadas a funciones. Utiliza un análisis específico del entorno para normalizar diversos formatos de error de navegador en un modelo de objeto uniforme.

vprof es una herramienta de profiling visual para Python diseñada para identificar cuellos de botella en la ejecución y monitorear el consumo de memoria. Funciona como un profiler de CPU y memoria que transforma los datos de rendimiento en visualizaciones interactivas para analizar el tiempo de procesador y las pilas de llamadas (call stacks). El proyecto destaca por su conjunto de diagnósticos visuales, que incluyen flame graphs para la visualización de la pila y mapas de calor (heatmaps) que mapean la frecuencia y duración de la ejecución directamente sobre el código fuente. También incluye un monitor de rendimiento remoto capaz de capturar métricas específicas de funciones desde un servidor en ejecución y transmitir esos datos a una herramienta de visualización independiente. La herramienta cubre áreas de capacidad amplias, incluyendo profiling de CPU basado en muestreo, monitoreo de memoria a nivel de línea mediante el seguimiento del recolector de basura y persistencia de datos de perfil para análisis offline. Estas utilidades permiten auditar la eficiencia del código fuente e identificar fugas de memoria.

This project is a comprehensive performance programming guide and reference for the Go language, focusing on runtime efficiency and memory optimization. It provides a collection of patterns and techniques designed to increase execution speed by reducing garbage collection overhead and optimizing memory usage. The resource distinguishes itself through detailed reference implementations for memory optimization, such as escape analysis, object pooling, and structure memory alignment. It offers specific strategies for reducing binary size and improving CPU cache efficiency through structure memor

perf-ninja is a collection of educational resources and curricula focused on CPU architecture, memory hierarchies, SIMD programming, and low-level performance engineering. It provides instructional material and practical labs for identifying and fixing CPU bottlenecks, such as cache misses and branch mispredictions. The project differentiates itself through specialized training in hardware-level optimizations, including the use of compiler intrinsics for SIMD vectorization and the implementation of branchless predicate execution to eliminate pipeline stalls. It also covers advanced binary-lev