Original em inglês: https://argusic.com/subject/unqlite-python
unqlite-python
Vínculos Python para o banco de dados NoSQL embarcado UnQLite
Executafonte: GitHubpágina do projetoCMITcommit b42c6aa4e53a
C, licença MIT. O projeto se descreve como: embedded database, nosql, python e unqlite.
unqlite-python executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2,5 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
unqlite 1.2.0 builds and installs in a venv; all 53 unit tests pass; key/value store, transactions, cursors, Jx9 VM, and JSON document collections all work with real UnQLite databases (both in-memory and file-backed).
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- build fails: Python.h: No such file or directory (missing python3-dev headers, no root)0,8 minutos
- build fails: nested pyconfig.h include for x86_64-linux-gnu/python3.12/pyconfig.h not found0,3 minutos
- pip install fails with externally-managed-environment (PEP 668)0,2 minutos
- Tempo de instalação
- 3 minutos
- Da máquina limpa até o fim
- 7 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- python -m unittest tests.py exited 0, 53 passed; key/value, transactions, cursors, VM/Jx9 document store, and collection APIs all exercised end-to-end against real in-memory and file-backed databases
- Tokens de modelo usados
- 48.523
- Commit exato testado
- b42c6aa4e53a
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em . O veredito acima vem de outra tentativa, então veja isto como uma sessão e não como o resultado atual. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
print('Total test cases:', suite.countTestCases())
\" 2>&1 | tail -3" in /work/repo
succeeded in 403ms:
Ran 53 tests in 0.476s
OK
exec
/bin/sh -lc '/work/repo/venv/bin/python -m pytest tests.py -q 2>&1 || /work/repo/venv/bin/python -m…
succeeded in 410ms:
Ran 53 tests in 0.464s
OK
tokens used
48,523Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Recuperou-se de todos os 3 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
O que não deu certo, ou não se sabe
- Levou 2,5 minutos para instalar, mais devagar que a mediana dos 3 projetos comparáveis que a Argusic mediu.
Dos 4 projetos de embedded-database que a Argusic instalou e cronometrou, unqlite-python foi o 3º mais rápido a chegar a um estado de execução, e 4 de 4 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 2,5 minutos depois do clone.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/unqlite-python)Perguntas
- unqlite-python executa?
- Sim. unqlite-python executa. A Argusic o instalou e iniciou em uma máquina limpa em 3 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou unqlite-python?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit b42c6aa4e53a. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar unqlite-python?
- A execução que produziu este veredito custou US$ 0,03: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar unqlite-python?
- 2,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- unqlite-python precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar unqlite-python?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como unqlite-python se compara às alternativas?
- Dos 4 projetos de embedded-database que a Argusic instalou e cronometrou, unqlite-python foi o 3º mais rápido a chegar a um estado de execução, e 4 de 4 chegaram a esse estado.
- Onde estão as evidências de unqlite-python?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.