Оптимизация кода Python для платформы планирования производства

ИТ-специалисты RedLab выполнили рефакторинг кода, повысили скорость выполнения операций и обеспечили отказоустойчивость системы

О клиенте

Консалтинговая компания более 15 лет создает ИТ- и производственные стратегии, помогает реализовывать полномасштабные end-to-end проекты, оказывает сервисную поддержку и сопровождение компьютерных систем, а также разрабатывает ПО, используя технологии Machine Learning и Data Science, а также библиотеки для математической оптимизации. ИТ-решения и услуги предлагаются промышленным, нефтяным, газовым, химическим и фармацевтическим отраслям.

О проекте

Платформа предназначена для планирования производства, эффективного распределения ресурсов, прогнозирования спроса и продаж. Технологии машинного обучения и AI-модели обеспечивают Data driven подход и гарантируют заказчикам высокую эффективность бизнеса за счет принятия решений на основе данных. Для обеспечения стабильной работы ПО и высокой скорости выполнения операций клиент нуждался в оптимизации кода.

Описание задачи

Разработчикам RedLab требовалось создать высокопроизводительную архитектуру, которая будет справляться с большими нагрузками и выдавать корректные результаты за минимальное время. В зону ответственности входила реализация следующих задач:

1. Дописать функционал в части расчета параметров для планирования производства.
2. Улучшить качество кодовой базы без изменения ее поведения.
3. Покрыть часть программы модульными тестами.

Реализация

Команда RedLab детально рассмотрела используемые технологии и изучила функциональные и бизнес-требования к платформе. Далее ИТ-специалисты выполнили ряд задач:

1. Выполнили рефакторинг кода, благодаря чему удалось улучшить читаемость исходников, упростить внесение изменений и повысить производительность ПО.
2. Использовали библиотеку OR-Tools, чтобы найти оптимальные решения математических уравнений на основе входных ограничений.
3. Улучшили работу с базой данных Postgresql с помощью драйвера psycopg2-binary, что помогло быстрее получать и отправлять итоговые Dataset.

1. Оптимизировали управление технологией boto3, которая позволила интегрировать приложения, библиотеки и скрипты Python с сервисами AWS.
2. Усовершенствовали pandas для чтения и анализа данных из Dataset. Теперь обрабатывать большие объемы информации стало проще.
3. Для улучшенной работы с математическими алгоритмами построили список ограничений (временных, иерархических и т.д.), создали список переменных и загрузили эти данные в библиотеку OR-Tools.

Результат

Python-разработчики RedLab повысили точность прогнозов платформы, которая стала отвечать требованиям клиента. Кроме того, внедренные технологии обеспечили бесперебойную работу ИТ-продукта, что важно для успешного функционирования сервиса с технологией машинного обучения.

Источник.