====== LU07.A11 - Den echten Hotspot finden ======

<WRAP center round todo 60%>
Tippen Sie zuerst, welche Funktion die Zeit frisst. Messen Sie danach mit ''cProfile'' - und vergleichen Sie mit Ihrer Vermutung.
</WRAP>

==== Ausgangslage ====

<code python>
GESPERRT = [f"user{i}" for i in range(5000)]


def normalisieren(name):
    return name.strip().lower()


def ist_gesperrt(name):
    return name in GESPERRT


def pruefen(namen):
    return [n for n in namen if ist_gesperrt(normalisieren(n))]
</code>

Die Anfragen kommen in unsauberer Schreibweise herein (''"  User1234  "''), deshalb wird jede zuerst normalisiert.

==== Detaillierte Aufgabenstellung ====

  - **Tippen Sie zuerst.** Notieren Sie schriftlich, welche der drei Funktionen Ihrer Meinung nach am meisten Zeit braucht - und warum. Erst danach messen. Dieser Schritt ist der Kern der Aufgabe.
  - **Profilen:** ''python main.py'' führt die vorbereitete Funktion ''profil()'' aus.
  - Lesen Sie ''ncalls'', ''tottime'' und ''cumtime'' und bestimmen Sie den Hotspot. Den Hotspot suchen Sie in ''tottime'', nicht in ''cumtime'' - sonst steht immer die äusserste Funktion zuoberst.
  - Ändern Sie **nur** den Hotspot. Messen Sie mit ''timeit'' vorher und nachher, prüfen Sie das Ergebnis mit ''assert''.
  - Profilen Sie erneut. Was steht jetzt zuoberst, und wie gross ist die Gesamtlaufzeit noch?

==== Regeln ====

<WRAP center round important 80%>
''normalisieren'' und ''ist_gesperrt'' bleiben als **benannte Funktionen** erhalten; zwei Tests prüfen das. Die naheliegende zweite Optimierung - alle Hilfsfunktionen in die Comprehension ziehen - bringt weniger als ein Prozent und kostet zwei einzeln testbare Funktionen. Das ist ein Refactoring in die falsche Richtung, verkauft als Optimierung.
</WRAP>

==== Zu beantwortende Fragen (BEFUND.md) ====

  * Warum wirkt ''normalisieren'' teuer, obwohl es das nicht ist?
  * Was sagt ''ncalls'' über die Struktur des Programms aus?
  * Was ist der Unterschied zwischen ''tottime'' und ''cumtime'' bei ''pruefen''?
  * Wie viel Prozent der Gesamtzeit brächte die zweite Optimierung noch - und wäre der Aufwand gerechtfertigt?

==== Bewertung ====

^ Teil ^ Punkte ^
| Tests (''main_test.py'') | 9 |
| pylint (''main.py'') | 5 |

----
<nodisp>https://github.com/templates-python/m323-lu07-a11-profiling</nodisp>
{{tag>M323-LU07 M323-D1A}}
[[https://creativecommons.org/licenses/by-nc-sa/4.0/ch/|{{https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png}}]] (c) Kevin Maurizi