Как измерить потребление ресурсов решения

Что проверяют

Умеете ли вы отделить время от памяти и оценку на бумаге от замера. Часто вопрос звучит после задачи на алгоритм: сначала хотят услышать асимптотику, потом как вы подтвердите её цифрами. Следом спрашивают, как найти функцию, которая съедает ресурсы.

Как отвечать

Начните с оценки сложности по времени и памяти, а затем назовите инструменты под каждую метрику:

• время: time.perf_counter() для интервалов, time.process_time() для чистого CPU без ожидания ввода-вывода, timeit для микробенчмарков с многократным повтором;
• где тратится CPU: cProfile с разбором через pstats или snakeviz, line_profiler для построчного разбора горячей функции;
• сэмплирующие профилировщики: py-spy подключается к работающему процессу без правки кода и почти не замедляет его, scalene показывает CPU и память построчно;
• память Python-объектов: tracemalloc со снимками до и после и сравнением через compare_to, memray для поиска утечек и пиков, включая аллокации в C-расширениях;
• процесс целиком: psutil.Process().memory_info().rss и cpu_times(), пиковое потребление через resource.getrusage(...).ru_maxrss.

Замер повторяйте несколько раз, отбрасывайте прогрев, берите медиану и гоняйте на данных реального размера. Для сервиса добавьте метрики в продакшене, например клиент Prometheus и дашборд, иначе вы оптимизируете лабораторный сценарий.

Где спотыкаются

Меряют time.time(). Это настенные часы, их может подвинуть синхронизация времени, для интервалов нужен монотонный perf_counter.

Сравнивают ru_maxrss до и после функции как расход памяти. Это пик за всю жизнь процесса, а не текущее значение, и единицы разные: на Linux килобайты, на macOS байты.

Верят первому вызову psutil.cpu_percent() без интервала: он возвращает бессмысленный 0.0, сравнивать ему ещё не с чем. И забывают, что cProfile сам замедляет код с множеством мелких вызовов и искажает картину.