d’ailleurs, j’avais ironisé une fois que toutes les annonces de nouvelle version se ressemblent de plus en plus : premièrement et le plus important, on a boosté la vitesse d’exécution...
Y'a eu une période oui :)
Faut dire, il y avait matière à optimiser.
Les tests mesurent l’utilisation naïve des langages
C'est ça en fait, plus qu'une question de langage favori, c'est une question de langage maîtrisé, et d'utilisation non naïve.
Je maîtrise le Python, et je vois tous les défauts triviaux de son utilisation dans ce jeu de données.
Donc je trouve la méthode faussée.
Et c'est vrai : tous les gens qui maîtrisent un poil le Python savent qu'il ne faut pas l'utiliser avec des grosses boucles qui font des traitements en grandes quantités, pas brut, pas directement comme ça.
Par contre, télécharger un fichier des données (flux RSS, ou truc du genre), analyser le contenu, comparer avec la base de donnée locale et présenter les mises à jour à faire sur son OS : il n'y a rien de lourd ou répétitif, on peut faire du traitement d'ensemble en peu de code (filtrage et comparaison de set() par exemple) et efficaces, et ça va prendre pouille du CPU et les 30Mo réglementaires de l'interpréteur Python en RAM, et voilà, on oublie.
Bref, ce benchmark est dans le cas d'usage type où PyPy est hyper intéressant, et CPython à la ramasse, et comme j'aurais aimé avoir cette comparaison là dans le tableau !
[^] # Re: Je ne suis pas sûr que les logiciels libres soient moins consommateurs de ressources CPU/Mém
Posté par Yth (Mastodon) . En réponse au journal Cailloux, joujoux, bijoux. Évalué à 2.
Y'a eu une période oui :)
Faut dire, il y avait matière à optimiser.
C'est ça en fait, plus qu'une question de langage favori, c'est une question de langage maîtrisé, et d'utilisation non naïve.
Je maîtrise le Python, et je vois tous les défauts triviaux de son utilisation dans ce jeu de données.
Donc je trouve la méthode faussée.
Et c'est vrai : tous les gens qui maîtrisent un poil le Python savent qu'il ne faut pas l'utiliser avec des grosses boucles qui font des traitements en grandes quantités, pas brut, pas directement comme ça.
Par contre, télécharger un fichier des données (flux RSS, ou truc du genre), analyser le contenu, comparer avec la base de donnée locale et présenter les mises à jour à faire sur son OS : il n'y a rien de lourd ou répétitif, on peut faire du traitement d'ensemble en peu de code (filtrage et comparaison de set() par exemple) et efficaces, et ça va prendre pouille du CPU et les 30Mo réglementaires de l'interpréteur Python en RAM, et voilà, on oublie.
Bref, ce benchmark est dans le cas d'usage type où PyPy est hyper intéressant, et CPython à la ramasse, et comme j'aurais aimé avoir cette comparaison là dans le tableau !