Pour mgpy, la performance n a de valeur qu une fois la correction et la qualite des signaux stabilisees. Des rapports rapides mais faux valent moins que des rapports plus lents mais corrects.
Points cles
- CLI: Sous Windows, les exemples utilisent la forme recommandee
py -3.12 -m <module> ...(par ex.py -3.12 -m manifestguard ...). Sous Linux/macOS, cela correspond generalement apython3.12 -m .... - Mesurer d abord ou part le temps: imports, scans de dependances, serialisation des rapports ou analyses plus profondes.
- Les optimisations doivent viser de vrais goulets d etranglement et non des suppositions.
- Pour un outil CLI, un temps de reponse stable compte plus que des micro-benchmarks impressionnants.
Workflow mgpy recommande
- Mesurer separement le run de base et le run etendu afin que les checks couteux restent visibles.
- Decouper le travail lourd en phases clairement nommees et ne l activer que si necessaire.
- Exporter le meme rapport mgpy avant et apres toute optimisation pour verifier qu aucune capacite n a disparu.
Demarrage rapide
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