Performance ist fuer mgpy erst dann wertvoll, wenn Korrektheit und Signalqualitaet stehen. Schnelle falsche Reports sind schlechter als langsame richtige.
Kernpunkte
- CLI: Unter Windows zeigen die Beispiele den empfohlenen Aufruf via
py -3.12 -m <modul> ...(z.B.py -3.12 -m manifestguard ...). Auf Linux/macOS entspricht das in der Regelpython3.12 -m .... - Messe zuerst, welche Schritte Laufzeit kosten: Imports, Dependency-Scans, Report-Serialisierung oder tiefe Analysen.
- Optimierungen sollten reale Engpaesse und nicht nur Vermutungen adressieren.
- Bei CLI-Tools ist stabile Antwortzeit wichtiger als spektakulaere Mikro-Benchmarks.
Empfohlener MG-Python-Workflow
- Basislauf und Extended-Lauf getrennt messen, damit teure Checks klar sichtbar bleiben.
- Schwere Arbeit in klar benannte Phasen splitten und nur bei Bedarf aktivieren.
- Vor und nach Performance-Aenderungen denselben mgpy-Report exportieren, um Funktionsverluste auszuschliessen.
Schnellstart
py -3.12 -m manifestguard check --report .manifestguard/before.json
py -3.12 -m manifestguard check --extended --report .manifestguard/after.json
py -3.12 -m manifestguard export-metrics --output metrics.json