一周热榜

我一直在开发一个 Python 异步库（[Blazeio](https://github.com/anonyxbiz/Blazeio)），并偶然发现了一种令人震惊的简单优化，使得 `asyncio.Event` 看起来像是一个过时的产物。 ### *问题* `asyncio.Event`（以及其他语言中的类似结构）存在两个严重的扩展缺陷： 1. *内存*：它为每个等待者分配<i>一个未来对象</i> → 1M 等待者 = 浪费 48MB 内存。 2. *延迟*：它以<i>逐个唤醒</i>的方式唤醒等待者 - 在全局解释器锁（GIL）下的系统调用复杂度为 O(N)。 ### *解决方案：`SharpEvent`* 一个可直接替换的方案： - *为所有等待者使用一个共享的未来对象* - *O(1) 内存*。 - *在单个操作中唤醒所有等待者* - *O(1) 延迟*。 ### *基准测试* | 指标 | `asyncio.Event` | `SharpEvent` | |--------------|-----------------|--------------| | 1K 等待者 | ~1ms 唤醒 | *~1µs* | | 1M 等待者 | *崩溃* | *仍然 ~1µs* | | 内存 (1M) | 48MB | *48 字节* | ### *为什么这很重要* - *实时应用*（WebSockets、游戏）获得了*可预测的延迟*。 - *高并发*（物联网、交易）变得简单。 - 它是*纯 Python*，但性能超过了 CPython 的 C 实现。 ### *没有缺点？* 几乎没有。如果你需要每个等待者的超时/取消功能，你需要一个包装器，但 99% 的使用场景只需要批量唤醒。 ### *试试吧* ```python from Blazeio import SharpEvent event = SharpEvent() event.set() # 立即唤醒所有等待者 ``` [GitHub](https://github.com/anonyxbiz/Blazeio) <i>欢迎反馈，我是否遗漏了关键的使用场景？</i>

Krod AI 是一个研究助手，旨在构建能够消除模糊性并提供清晰帮助的工具。<p>kroskod.com

嗨，HN！<p>我们受到Claude Code的启发，开发了一款可以进行故障根本原因分析的工具。在我们的经验中，编写代码只是解决故障的冰山一角。它涉及到筛选日志、建立心理模型、重现故障以及真正理解根本原因的工作。<p>我们开始在开源的GitHub仓库中使用自己的工具。我们处理了一些问题，并能够迅速找到根本原因。<p>以下是我们在过去24小时内进行的一些根本原因分析：<p>- Parabol仓库中的问题： <a href="https://github.com/ParabolInc/parabol/issues/11258#issuecomment-2861817806">https://github.com/ParabolInc/parabol/issues/11258#issuecomm...</a><p>- Puppet Bolt仓库中的问题： <a href="https://github.com/puppetlabs/bolt/issues/3373#issuecomment-2863968154">https://github.com/puppetlabs/bolt/issues/3373#issuecomment-...</a><p>- InfluxDB仓库中的问题： <a href="https://gist.github.com/priyankc/0e90fce913116b9014142f96a877273e" rel="nofollow">https://gist.github.com/priyankc/0e90fce913116b9014142f96a87...</a><p>我们非常希望听到您的反馈，尤其是批评意见。<p>安装说明和更多信息请访问： <a href="https://hyperdrive.engineering/" rel="nofollow">https://hyperdrive.engineering/</a><p>祝您构建愉快！