15-minutong sesyon: pagbasa sulod sa 3 minutos, pag-trace sa 3, pag-eksperimento sa 7, ug pagtubag sa check sa 2. Paggahin og dugang oras kon gikinahanglan.
Paggamit og monotonic high-resolution clock. Ibulag ang warmup, balika ang fixed workload, pamatud-i ang checksum, ug ireport ang median ug spread. Itala ang unit, data size, environment, ug runtime version. Python sum sa CPU ang gisukod niini apil ang runtime cost; dili kini GPU o raw memory-bandwidth benchmark.
Praktis ug ebidensiya: Tag-ana ang pananglitan o idrowing ang pag-usab sa state. Usba ang usa ka pagtuo, sulayi ang utlanan, ug itala ang aktuwal nga resulta. Ipasabot unsa ang wala mapamatud-i sa gamay nga modelo bahin sa production system.
import time,statistics,platform
data=list(range(100000))
expected=4999950000
assert sum(data)==expected
samples=[]
for _ in range(7):
start=time.perf_counter_ns()
result=sum(data)
samples.append((time.perf_counter_ns()-start)/1e6)
assert result==expected
print("CPU Python",platform.python_version(),platform.machine())
print("median_ms",round(statistics.median(samples),4))
print("min_ms",round(min(samples),4),"max_ms",round(max(samples),4))
Isulat ang tagna, aktuwal nga resulta, ug hinungdan sa pagkapareho o kalainan. Ang completion check mosukod sa pagsabot; ang practice task mopauswag sa kahanas.