Ciao a tutti!

Sto affrontando un problema di performance nel mio progetto Python 3.11. Ho notato che alcune operazioni stanno impiegando più tempo del previsto, anche con l'ottimizzazione del codice. Nonostante l’introduzione delle nuove funzionalità di miglioramento delle performance in Python 3.11, non sono riuscito a ottenere i risultati desiderati.

Dettagli del problema:
Sto utilizzando funzioni async per gestire operazioni concorrenti, ma sembra che la gestione delle risorse non sia ottimale.
Le performance di alcune librerie esterne, come Pandas e NumPy, sembrano essere rallentate dopo l'aggiornamento a Python 3.11.
Ho provato a ottimizzare il codice con profiling e benchmarking, ma i miglioramenti non sono evidenti.

Cosa ho provato finora:
Ottimizzare il codice con asyncio per gestire meglio le operazioni concorrenti.
Eseguire il profiling del codice per identificare i colli di bottiglia.

Verificare se ci sono aggiornamenti per le librerie principali, ma il problema persiste.

Chiedo aiuto a chi ha avuto esperienze simili con Python 3.11 e miglioramenti delle performance.
Qualcuno ha affrontato problemi simili e potrebbe suggerire una soluzione o un approccio diverso? Ogni consiglio sarà molto apprezzato!


--- Ultima modifica di max1987martin in data 2025-09-18 07:13:03 ---

NumPy and Pandas do not benefit from the interpreter changes, and they can even slow down if their compiled wheels do not match your setup.

The async slowdown you see is common. Async helps with I/O, but it does nothing for CPU work. When heavy Pandas or NumPy calls run inside async functions, they block the event loop and make everything feel slower.

The first things worth checking are:

• Reinstall NumPy and Pandas to make sure you have the right builds for 3.11.

• Move CPU-heavy work to a thread pool or process pool instead of running it inside async tasks.

• Profile again under 3.11 because some hot spots shift after an upgrade.

If you want, you can share a small slice of the code or a screenshot of your profiler results, and I can point out the specific parts slowing things down.

Ciao, ho incontrato un problema simile dopo il passaggio a Python 3.11 e posso condividere alcune cose che mi hanno aiutato. Python 3.11 è più veloce in molti casi, ma non tutte le librerie sono ottimizzate allo stesso modo, quindi alcuni rallentamenti possono comparire soprattutto con Pandas e NumPy.

Ti suggerisco alcune verifiche pratiche:

Controlla se le librerie che usi sono compilate correttamente per la tua versione di Python. A volte l’installazione tramite pip prende una build generica che non sfrutta bene le ottimizzazioni.

Prova a isolare le funzioni async che bloccano il loop. Anche una piccola parte di codice sincrono dentro una funzione async può ridurre la velocità.

Se stai usando Pandas per operazioni pesanti, prova a spostare i calcoli in NumPy puro oppure usa polars, che in molti casi ha performance migliori.


Valuta di usare multiprocessing invece di asyncio per operazioni CPU bound. Asyncio funziona bene quando il limite è l’I/O, non il calcolo.

Non è un problema raro dopo l’aggiornamento, quindi con qualche test mirato dovresti riuscire a trovare il punto critico. Se condividi un piccolo esempio del codice posso provare a guardarlo meglio.