GuíaAvanzado

Guía de Performance y Profiling

La intuición sobre qué hace lento a un programa casi siempre miente, y optimizar sin medir es la forma más común de perder tiempo arreglando la parte que no era el problema. Esta guía enseña el proceso completo de optimización con la única regla que importa: medir primero, cambiar después. Trabajas sobre un solo caso realista —Nómada, una herramienta de línea de comandos que procesa registros de viaje de una flota de vehículos y tarda cuatro minutos en generar un reporte mensual— y lo llevas a los pocos segundos usando el método real: cronometrar con el reloj correcto, perfilar con `cProfile` para encontrar dónde se va el tiempo de verdad (que casi nunca es donde el equipo cree), medir el costo de memoria, elegir la estructura de datos correcta para el problema, y aplicar la optimización específica que corresponde a cada cuello de botella real. La guía también enseña a reconocer cuándo Python puro ya no alcanza y hay que empujar el trabajo a código vectorizado, y cómo documentar y proteger una optimización para que no se pierda en el próximo refactor. El proyecto final exige el reporte honesto de qué cambió, cuánto ganó cada cambio y qué se decidió NO optimizar y por qué.