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

该项目是一个 Ruby 性能优化指南和重构资源。它提供了一系列经过基准测试的编码模式和惯用法对比，旨在提高 Ruby 应用的执行速度并减少内存分配。 该资源专注于将常见的语言结构映射到其计算效率最高的等效形式。它使用对比计时分析和分配计数分析来识别能够替代对象密集型表达式的高性能惯用法。 该项目涵盖了应用运行时调优和内存管理，通过识别能够减少垃圾回收开销的模式来实现。它采用基准驱动开发来评估特定语言特性对系统内存和执行速度的影响。

Porffor 是一个提前（ahead-of-time）编译器，可将 JavaScript 和 TypeScript 源代码转换为原生机器码或 C 二进制文件。它作为一个原生二进制生成器和转译器，生成无需运行时或虚拟机即可运行的独立可执行文件。 该项目将源代码转换为 C 语言文件和 WebAssembly 二进制格式。它包含一个针对 TypeScript 的直接转译为二进制的流水线，允许在无需单独转译为 JavaScript 的情况下生成目标可执行文件。 该工具集还包括一个用于实时代码执行的交互式读取-求值-打印循环（REPL），以及用于调试源代码和分析执行性能的功能。

GT 是一款移动端设备调试工具，旨在直接在智能手机上捕获网络数据包、分析系统日志并进行硬件性能分析。它提供了一套便携式实用程序，无需连接主机即可识别软件错误并处理性能瓶颈。 该项目具有基于插件的调试框架，允许开发自定义功能扩展，以实现特定项目的调试逻辑。它还支持实时参数调整和注入，允许在执行过程中修改内部应用程序设置，从而测试不同的配置。 该工具涵盖了多个核心的可观测性和诊断领域，包括 CPU、内存、电池和帧率等硬件性能分析。它还包含拦截和分析网络流量及 API 通信的功能，以及用于聚合和分析应用程序及系统级崩溃日志的实用程序。

这是一个 PyTorch 模型服务框架，旨在通过可扩展的网络端点在生产环境中部署和扩展机器学习模型。它充当高性能推理服务器、优化器和模型生命周期管理器，处理模型加载、请求批处理和硬件加速。 该系统通过先进的编排和优化功能脱颖而出，例如使用执行图将多个模型链接到顺序工作流中，以及采用动态批处理来提高吞吐量和降低延迟。它通过连续批处理和张量并行化为生成式 AI 和大型语言模型提供专门支持。 广泛的功能领域包括跨 NVIDIA、AMD 和 Apple Silicon 等不同硬件的 GPU 资源管理，以及用于注册、版本控制和工作节点扩展的全面模型生命周期管理。它还集成了用于通过 Prometheus 兼容指标跟踪系统健康状况和模型性能的可观测性工具。 该服务器通过用于生命周期控制和运行时参数配置的命令行界面进行管理。

stacktrace.js 是一个 JavaScript 库，旨在从不同 Web 浏览器的错误对象中生成和解析详细的函数调用栈。它作为一个栈追踪解析器和错误插桩工具，用于捕获执行流和错误轨迹。 该项目的特色在于其解析 Source Map 的能力，能够将压缩后的 JavaScript 栈追踪还原为原始源代码行。它还包含一个远程错误报告器，用于将处理后的异常数据和栈追踪传输到中央服务器进行分析。 该库涵盖了广泛的功能领域，包括错误轨迹提取、结构化轨迹生成和函数调用插桩。它利用环境特定的解析方式，将各种浏览器错误格式标准化为统一的对象模型。

vprof 是一个专为 Python 设计的可视化性能分析工具，用于识别执行瓶颈并监控内存消耗。它作为一个 CPU 和内存分析器，将性能数据转换为交互式可视化图表，以分析处理器时间和调用栈。 该项目通过一套视觉诊断工具脱颖而出，包括用于可视化调用栈的火焰图，以及将执行频率和持续时间直接映射到源代码上的热力图。它还包含一个远程性能监视器，能够从运行中的服务器捕获特定函数的指标，并将数据流式传输到独立的分析工具中。 该工具涵盖广泛的功能领域，包括基于采样的 CPU 分析、通过垃圾回收器跟踪实现的行级内存监控，以及用于离线分析的性能数据持久化。这些工具可用于审计源代码效率并识别内存泄漏。

该项目是 Go 语言的综合性能编程指南和参考，专注于运行时效率和内存优化。它提供了一系列模式和技术，旨在通过减少垃圾回收开销和优化内存使用来提高执行速度。 该资源通过详细的内存优化参考实现脱颖而出，例如逃逸分析、对象池和结构体内存对齐。它提供了减少二进制大小和通过结构体内存布局优化及使用零分配占位符来提高 CPU 缓存效率的具体策略。 该项目涵盖了广泛的后端工程功能，包括使用工作池和同步原语的并发管理、高性能 RPC 和 HTTP 路由以及分布式缓存策略。它还包括通过 CPU 和内存分析进行可观测性的指南，以及用于功能单元测试和模拟对象生成的质量保证模式。 内容结构化为一系列教程、架构示例和基准测试指南，以帮助开发者分析和修复性能瓶颈。