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

This project is a Ruby performance optimization guide and refactoring resource. It provides a collection of benchmarked coding patterns and idiomatic comparisons designed to increase execution speed and reduce memory allocations in Ruby applications. The resource focuses on mapping common language constructs to their most computationally efficient equivalents. It uses comparative timing analysis and allocation-count profiling to identify high-performance idioms that replace object-heavy expressions. The project covers application runtime tuning and memory management by identifying patterns t

Porffor este un compilator ahead-of-time care convertește codul sursă JavaScript și TypeScript în cod mașină nativ sau binare C. Funcționează ca un generator de binare native și transpiler, producând fișiere executabile standalone care nu necesită un runtime sau o mașină virtuală. Proiectul traduce codul sursă în fișiere în limbajul C și formate binare WebAssembly. Include un pipeline direct-to-binary pentru TypeScript, permițând generarea de executabile țintă fără un pas separat de transpilare în JavaScript. Setul de instrumente include, de asemenea, un read-eval-print loop (REPL) interactiv pentru execuția codului în timp real, precum și capabilități pentru debugging-ul codului sursă și profilarea performanței execuției.

GT este un instrument de debugging mobil on-device conceput pentru a captura pachete de rețea, a analiza log-urile de sistem și a profila performanța hardware direct pe un smartphone. Acesta oferă o suită portabilă de utilitare pentru identificarea bug-urilor software și a blocajelor de procesare fără a necesita o conexiune la un computer gazdă. Proiectul include un framework de debugging bazat pe plugin-uri care permite dezvoltarea de extensii funcționale personalizate pentru a implementa logica de debugging specifică proiectului. De asemenea, permite reglarea și injectarea parametrilor în timp real, permițând modificarea setărilor interne ale aplicației în timpul execuției pentru a testa diferite configurații. Instrumentul acoperă mai multe domenii principale de observabilitate și diagnosticare, inclusiv profilarea performanței hardware pentru metrici de CPU, memorie, baterie și frame rate. Include capabilități pentru interceptarea și analizarea traficului de rețea și a comunicațiilor API, precum și utilitare pentru agregarea și analizarea log-urilor de crash atât la nivel de aplicație, cât și la nivel de sistem.

Acest proiect este un framework de servire a modelelor PyTorch conceput pentru a deploya și scala modele de machine learning în producție prin endpoint-uri de rețea scalabile. Funcționează ca un server de inferență de înaltă performanță, optimizator și manager al ciclului de viață al modelelor care gestionează încărcarea modelelor, batching-ul cererilor și accelerarea hardware. Sistemul se distinge prin capabilități avansate de orchestrare și optimizare, cum ar fi înlănțuirea mai multor modele în fluxuri de lucru secvențiale folosind grafuri de execuție și utilizarea batching-ului dinamic pentru a îmbunătăți throughput-ul și latența. Oferă suport specializat pentru AI generativ și modele de limbaj mari (LLM) prin batching continuu și paralelism tensorial. Ariile largi de capabilități includ gestionarea resurselor GPU pe diverse hardware-uri precum NVIDIA, AMD și Apple Silicon, precum și gestionarea cuprinzătoare a ciclului de viață al modelelor pentru înregistrare, versionare și scalarea worker-ilor. De asemenea, integrează instrumente de observabilitate pentru urmărirea stării sistemului și a performanței modelului prin metrici compatibile cu Prometheus. Serverul este gestionat printr-o interfață de linie de comandă utilizată pentru controlul ciclului de viață și configurarea parametrilor de runtime.

stacktrace.js este o bibliotecă JavaScript concepută pentru generarea și parsarea call stack-urilor detaliate ale funcțiilor din obiectele de eroare în diferite browsere web. Aceasta funcționează ca un parser de stack trace și utilitar de instrumentare a erorilor care capturează fluxul de execuție și urmele de eroare. Proiectul se diferențiază prin capacitatea sa de a rezolva source map-urile, traducând stack trace-urile JavaScript minificate înapoi la liniile sursă originale. Include, de asemenea, un raportor de erori la distanță pentru transmiterea datelor procesate despre excepții și a stack trace-urilor către un server centralizat pentru analiză. Biblioteca acoperă domenii largi de capabilități, inclusiv extracția urmelor de eroare, generarea de urme structurate și instrumentarea apelurilor de funcții. Utilizează parsarea specifică mediului pentru a normaliza diverse formate de eroare ale browserelor într-un model de obiecte uniform.

vprof este un instrument de vizualizare pentru Python, conceput pentru a identifica blocajele de execuție și a monitoriza consumul de memorie. Acesta funcționează ca un profiler de CPU și memorie, transformând datele de performanță în vizualizări interactive pentru a analiza timpul procesorului și stivele de apeluri (call stacks). Proiectul se remarcă printr-o suită de diagnostice vizuale, incluzând flame graphs pentru vizualizarea stivei și hărți termice (heatmaps) care mapează frecvența și durata execuției direct pe codul sursă. Include, de asemenea, un monitor de performanță la distanță, capabil să captureze metrici specifice funcțiilor de pe un server activ și să transmită acele date către un instrument de vizualizare separat. Instrumentul acoperă arii largi de capabilități, inclusiv profilarea CPU bazată pe eșantionare, monitorizarea memoriei la nivel de linie prin urmărirea garbage collector-ului și persistența datelor de profil pentru analiză offline. Aceste utilitare permit auditarea eficienței codului sursă și identificarea scurgerilor de memorie.

Acest proiect este un ghid cuprinzător de programare pentru performanță și o referință pentru limbajul Go, concentrându-se pe eficiența runtime și optimizarea memoriei. Oferă o colecție de tipare și tehnici concepute pentru a crește viteza de execuție prin reducerea overhead-ului garbage collection-ului și optimizarea utilizării memoriei. Resursa se distinge prin implementări de referință detaliate pentru optimizarea memoriei, cum ar fi escape analysis, object pooling și alinierea memoriei structurilor. Oferă strategii specifice pentru reducerea dimensiunii binarului și îmbunătățirea eficienței cache-ului CPU prin optimizarea layout-ului memoriei structurilor și utilizarea placeholder-elor cu alocare zero. Proiectul acoperă o gamă largă de capabilități de inginerie backend, inclusiv gestionarea concurenței cu worker pools și primitive de sincronizare, RPC de înaltă performanță și rutare HTTP, precum și strategii de caching distribuit. Include, de asemenea, îndrumări privind observabilitatea prin profilarea CPU și a memoriei, precum și tipare de asigurare a calității pentru unit testing funcțional și generarea de obiecte mock. Conținutul este structurat ca o serie de tutoriale, exemple arhitecturale și ghiduri de benchmarking pentru a ajuta dezvoltatorii să analizeze și să remedieze blocajele de performanță.