Allow calculating geometric mean of groups of benchmarks based on tags
Ninguém assumiu esta issue ainda.
Avaliação
- Dificuldade
- 5/5
- Tempo estimado
- Mais de uma semana
- Facilidade para iniciantes
- 32/100
- Tipo de issue
- Funcionalidade
- Clareza
- Razoavelmente clara
- Status de atividade
- Estagnada
- Stack de tecnologia
- python
- Domínio
- performance, tooling
Direção de pesquisa
Comece rastreando como as tags de benchmark de pyperformance's pyproject.yaml são representadas nos resultados e metadados dos benchmarks e, em seguida, inspecione o fluxo compare_to de pyperf. A tarefa estará concluída quando as tags forem expostas nos metadados e as médias geométricas forem calculadas para cada subconjunto de tags, bem como para todos os benchmarks, com o comportamento de compatibilidade retroativa resolvido.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
[Moved from https://github.com/faster-cpython/ideas/discussions/395]
It's becoming obvious that:
- The pyperformance suite needs more benchmarks that are more similar to real-world workloads, and we should lean into optimizing for these and using these to report progress.
- Microbenchmarks of a particular feature are also useful and belong in the benchmark suite, but we shouldn't over-optimize for them or use them as a (misleading) indicator of overall progress.
It seems that one way to address this would be to lean into "tags" more in the pyperformance/pyperf ecosystem. pyperformance already allows for tags in each benchmark's pyproject.yaml.
I propose we:
- Output the tags for each benchmark in the benchmark results in the
metadatadictionary. pyperfcompare_towould then calculate the geometric mean for each subset of benchmarks for each tag found in the results, as well as "all" benchmarks (existing behavior). This could be behind a flag if backward compatibility matters.
Alternatives:
We could instead use the nested benchmark heirarchy, rather than tags. Personally, I think tags is easier to understand and more flexible (a benchmark could be associated with multiple tags).
- Linguagem predominante
- Python
- Estrelas
- 1k
- Forks
- 203
- Merge médio
- 1h 20min
- PRs com merge (30d)
- 2
Guia de contribuição
Nenhum guia de contribuição indexado para este repositório
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de python/pyperformance
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
python/pyperformance#346 · 3 comentários ·
-
python/pyperformance#474 · 4 reações · 1 responsável ·
-
Enable decimal benchmarks Aberta
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 25/100
python/pyperformance#473 ·
-
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 55/100
python/pyperformance#464 ·
-
Dificuldade 4/5 3-5 dias Facilidade para iniciantes 48/100
python/pyperformance#460 · 2 comentários · 1 reação ·
Todas as issues de python/pyperformance
Issues semelhantes
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
anthropics/skills#1811 · 1 comentário ·
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
speaches-ai/speaches#678 ·
-
bug
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
datalayer/mcp-compose#42 ·
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
conda-forge/spacy-feedstock#177 ·
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 70/100
UKGovernmentBEIS/inspect_evals#2523 ·