perf_profiling.po

# SOME DESCRIPTIVE TITLE.
# Copyright (C) 2001 Python Software Foundation
# This file is distributed under the same license as the Python package.
# FIRST AUTHOR <EMAIL@ADDRESS>, YEAR.
#
# Translators:
# Danial Behzadi <dani.behzi@ubuntu.com>, 2025
# Revisto <theRevisto@gmail.com>, 2025
# Sepehr Rasouli <sepehrrasouli06@gmail.com>, 2026
#
msgid ""
msgstr ""
"Project-Id-Version: Python 3.14\n"
"Report-Msgid-Bugs-To: \n"
"POT-Creation-Date: 2026-09-16 12:56+0000\n"
"PO-Revision-Date: 2026-09-11 14:09+0330\n"
"Last-Translator: Sepehr Rasouli <sepehrrasouli06@gmail.com>, 2026\n"
"Language-Team: Persian (https://github.com/python/python-docs-fa/)\n"
"Language: fa\n"
"MIME-Version: 1.0\n"
"Content-Type: text/plain; charset=UTF-8\n"
"Content-Transfer-Encoding: 8bit\n"
"Plural-Forms: nplurals=2; plural=(n > 1);\n"
"X-Generator: Poedit 3.6\n"

msgid "Python support for the Linux ``perf`` profiler"
msgstr "پشتیبانی پایتون از پروفایل‌گیر ``perf`` لینوکس"

msgid "author"
msgstr "نویسنده"

msgid "Pablo Galindo"
msgstr "پابلو گالیندو"

msgid "`The Linux perf profiler <https://perf.wiki.kernel.org>`_ is a very powerful tool that allows you to profile and obtain information about the performance of your application. ``perf`` also has a very vibrant ecosystem of tools that aid with the analysis of the data that it produces."
msgstr "`پروفایل‌گیر perf لینوکس <https://perf.wiki.kernel.org>`_ ابزاری بسیار قدرتمند است که به شما امکان می‌دهد برنامه‌ی خود را پروفایل کنید و اطلاعاتی درباره‌ی عملکرد آن به دست آورید. ``perf`` همچنین اکوسیستم بسیار پویایی از ابزارها دارد که به تحلیل داده‌هایی که تولید می‌کند کمک می‌کنند."

msgid "The main problem with using the ``perf`` profiler with Python applications is that ``perf`` only gets information about native symbols, that is, the names of functions and procedures written in C. This means that the names and file names of Python functions in your code will not appear in the output of ``perf``."
msgstr "مشکل اصلی استفاده از پروفایل‌گیر (profiler) ``perf`` در برنامه‌های پایتونی این است که ``perf`` فقط اطلاعاتی درباره‌ی نمادهای بومی دریافت می‌کند، یعنی نام توابع و رویه‌هایی که به زبان C نوشته شده‌اند. این بدان معناست که نام توابع پایتونی و نام پرونده‌های آن‌ها در کد شما، در خروجی ``perf`` ظاهر نخواهند شد."

msgid "Since Python 3.12, the interpreter can run in a special mode that allows Python functions to appear in the output of the ``perf`` profiler. When this mode is enabled, the interpreter will interpose a small piece of code compiled on the fly before the execution of every Python function and it will teach ``perf`` the relationship between this piece of code and the associated Python function using :doc:`perf map files <../c-api/perfmaps>`."
msgstr "از پایتون 3.12، مفسر می‌تواند در حالت ویژه‌ای اجرا شود که به توابع پایتون اجازه می‌دهد در خروجی پروفایل‌گیر ``perf`` ظاهر شوند. هنگامی که این حالت فعال باشد، مفسر پیش از اجرای هر تابع پایتون، یک قطعه‌کد کوچک را که در لحظه کامپایل می‌شود، درج می‌کند و با استفاده از :doc:`perf map files <../c-api/perfmaps>`، رابطه بین این قطعه‌کد و تابع پایتون مرتبط را به ``perf`` می‌آموزد."

msgid "Support for the ``perf`` profiler is currently only available for Linux on select architectures. Check the output of the ``configure`` build step or check the output of ``python -m sysconfig | grep HAVE_PERF_TRAMPOLINE`` to see if your system is supported."
msgstr "پشتیبانی از پروفایل‌گیر ``perf`` در حال حاضر فقط برای لینوکس در معماری‌های منتخب در دسترس است. برای اینکه ببینید آیا سیستم شما پشتیبانی می‌شود، خروجی مرحله‌ی ساخت ``configure`` یا خروجی ``python -m sysconfig | grep HAVE_PERF_TRAMPOLINE`` را بررسی کنید."

msgid "For example, consider the following script:"
msgstr "برای مثال، اسکریپت زیر را در نظر بگیرید:"

msgid ""
"def foo(n):\n"
"    result = 0\n"
"    for _ in range(n):\n"
"        result += 1\n"
"    return result\n"
"\n"
"def bar(n):\n"
"    foo(n)\n"
"\n"
"def baz(n):\n"
"    bar(n)\n"
"\n"
"if __name__ == \"__main__\":\n"
"    baz(1000000)"
msgstr ""
"def foo(n):\n"
"    result = 0\n"
"    for _ in range(n):\n"
"        result += 1\n"
"    return result\n"
"\n"
"def bar(n):\n"
"    foo(n)\n"
"\n"
"def baz(n):\n"
"    bar(n)\n"
"\n"
"if __name__ == \"__main__\":\n"
"    baz(1000000)"

msgid "We can run ``perf`` to sample CPU stack traces at 9999 hertz::"
msgstr "می‌توانیم ``perf`` را برای نمونه‌برداری از ردگیری‌های پشته‌ی CPU با نرخ ۹۹۹۹ هرتز اجرا کنیم::"

msgid "$ perf record -F 9999 -g -o perf.data python my_script.py"
msgstr "$ perf record -F 9999 -g -o perf.data python my_script.py"

msgid "Then we can use ``perf report`` to analyze the data:"
msgstr "سپس می‌توانید از ``perf report`` برای تحلیل داده‌ها استفاده کنید:"

msgid ""
"$ perf report --stdio -n -g\n"
"\n"
"# Children      Self       Samples  Command     Shared Object       Symbol\n"
"# ........  ........  ............  ..........  ..................  ..........................................\n"
"#\n"
"    91.08%     0.00%             0  python.exe  python.exe          [.] _start\n"
"            |\n"
"            ---_start\n"
"            |\n"
"                --90.71%--__libc_start_main\n"
"                        Py_BytesMain\n"
"                        |\n"
"                        |--56.88%--pymain_run_python.constprop.0\n"
"                        |          |\n"
"                        |          |--56.13%--_PyRun_AnyFileObject\n"
"                        |          |          _PyRun_SimpleFileObject\n"
"                        |          |          |\n"
"                        |          |          |--55.02%--run_mod\n"
"                        |          |          |          |\n"
"                        |          |          |           --54.65%--PyEval_EvalCode\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     |\n"
"                        |          |          |                     |--51.67%--_PyEval_EvalFrameDefault\n"
"                        |          |          |                     |          |\n"
"                        |          |          |                     |          |--11.52%--_PyLong_Add\n"
"                        |          |          |                     |          |          |\n"
"                        |          |          |                     |          |          |--2.97%--_PyObject_Malloc\n"
"..."
msgstr ""
"$ perf report --stdio -n -g\n"
"\n"
"# Children      Self       Samples  Command     Shared Object       Symbol\n"
"# ........  ........  ............  ..........  ..................  ..........................................\n"
"#\n"
"    91.08%     0.00%             0  python.exe  python.exe          [.] _start\n"
"            |\n"
"            ---_start\n"
"            |\n"
"                --90.71%--__libc_start_main\n"
"                        Py_BytesMain\n"
"                        |\n"
"                        |--56.88%--pymain_run_python.constprop.0\n"
"                        |          |\n"
"                        |          |--56.13%--_PyRun_AnyFileObject\n"
"                        |          |          _PyRun_SimpleFileObject\n"
"                        |          |          |\n"
"                        |          |          |--55.02%--run_mod\n"
"                        |          |          |          |\n"
"                        |          |          |           --54.65%--PyEval_EvalCode\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     |\n"
"                        |          |          |                     |--51.67%--_PyEval_EvalFrameDefault\n"
"                        |          |          |                     |          |\n"
"                        |          |          |                     |          |--11.52%--_PyLong_Add\n"
"                        |          |          |                     |          |          |\n"
"                        |          |          |                     |          |          |--2.97%--_PyObject_Malloc\n"
"..."

msgid "As you can see, the Python functions are not shown in the output, only ``_PyEval_EvalFrameDefault`` (the function that evaluates the Python bytecode) shows up. Unfortunately that's not very useful because all Python functions use the same C function to evaluate bytecode so we cannot know which Python function corresponds to which bytecode-evaluating function."
msgstr "همان‌طور که می‌بینید، توابع پایتون در خروجی نمایش داده نمی‌شوند و تنها ``_PyEval_EvalFrameDefault`` (تابعی که بایت‌کد پایتون را ارزیابی می‌کند) نمایش داده می‌شود. متأسفانه این موضوع چندان مفید نیست، زیرا تمام توابع پایتون برای ارزیابی بایت‌کد از یک تابع C یکسان استفاده می‌کنند؛ بنابراین نمی‌توانیم بدانیم کدام تابع پایتون با کدام تابع ارزیابی بایت‌کد متناظر است."

msgid "Instead, if we run the same experiment with ``perf`` support enabled we get:"
msgstr "در عوض، اگر همان آزمایش را با فعال بودن پشتیبانی ``perf`` اجرا کنیم، به این نتیجه می‌رسیم:"

msgid ""
"$ perf report --stdio -n -g\n"
"\n"
"# Children      Self       Samples  Command     Shared Object       Symbol\n"
"# ........  ........  ............  ..........  ..................  .....................................................................\n"
"#\n"
"    90.58%     0.36%             1  python.exe  python.exe          [.] _start\n"
"            |\n"
"            ---_start\n"
"            |\n"
"                --89.86%--__libc_start_main\n"
"                        Py_BytesMain\n"
"                        |\n"
"                        |--55.43%--pymain_run_python.constprop.0\n"
"                        |          |\n"
"                        |          |--54.71%--_PyRun_AnyFileObject\n"
"                        |          |          _PyRun_SimpleFileObject\n"
"                        |          |          |\n"
"                        |          |          |--53.62%--run_mod\n"
"                        |          |          |          |\n"
"                        |          |          |           --53.26%--PyEval_EvalCode\n"
"                        |          |          |                     py::<module>:/src/script.py\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     py::baz:/src/script.py\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     py::bar:/src/script.py\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     py::foo:/src/script.py\n"
"                        |          |          |                     |\n"
"                        |          |          |                     |--51.81%--_PyEval_EvalFrameDefault\n"
"                        |          |          |                     |          |\n"
"                        |          |          |                     |          |--13.77%--_PyLong_Add\n"
"                        |          |          |                     |          |          |\n"
"                        |          |          |                     |          |          |--3.26%--_PyObject_Malloc"
msgstr ""
"$ perf report --stdio -n -g\n"
"\n"
"# Children      Self       Samples  Command     Shared Object       Symbol\n"
"# ........  ........  ............  ..........  ..................  .....................................................................\n"
"#\n"
"    90.58%     0.36%             1  python.exe  python.exe          [.] _start\n"
"            |\n"
"            ---_start\n"
"            |\n"
"                --89.86%--__libc_start_main\n"
"                        Py_BytesMain\n"
"                        |\n"
"                        |--55.43%--pymain_run_python.constprop.0\n"
"                        |          |\n"
"                        |          |--54.71%--_PyRun_AnyFileObject\n"
"                        |          |          _PyRun_SimpleFileObject\n"
"                        |          |          |\n"
"                        |          |          |--53.62%--run_mod\n"
"                        |          |          |          |\n"
"                        |          |          |           --53.26%--PyEval_EvalCode\n"
"                        |          |          |                     py::<module>:/src/script.py\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     py::baz:/src/script.py\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     py::bar:/src/script.py\n"
"                        |          |          |                     _PyEval_EvalFrameDefault\n"
"                        |          |          |                     PyObject_Vectorcall\n"
"                        |          |          |                     _PyEval_Vector\n"
"                        |          |          |                     py::foo:/src/script.py\n"
"                        |          |          |                     |\n"
"                        |          |          |                     |--51.81%--_PyEval_EvalFrameDefault\n"
"                        |          |          |                     |          |\n"
"                        |          |          |                     |          |--13.77%--_PyLong_Add\n"
"                        |          |          |                     |          |          |\n"
"                        |          |          |                     |          |          |--3.26%--_PyObject_Malloc"

msgid "How to enable ``perf`` profiling support"
msgstr "چگونه پشتیبانی از پروفایل‌گیری ``perf`` را فعال کنیم"

msgid "``perf`` profiling support can be enabled either from the start using the environment variable :envvar:`PYTHONPERFSUPPORT` or the :option:`-X perf <-X>` option, or dynamically using :func:`sys.activate_stack_trampoline` and :func:`sys.deactivate_stack_trampoline`."
msgstr "می‌توان پشتیبانی از پروفایل‌گیری ``perf`` را یا از ابتدا با استفاده از متغیر محیطی :envvar:`PYTHONPERFSUPPORT` یا گزینه‌ی :option:`-X perf <-X>`، یا به‌صورت پویا با استفاده از :func:`sys.activate_stack_trampoline` و :func:`sys.deactivate_stack_trampoline` فعال کرد."

msgid "The :mod:`!sys` functions take precedence over the :option:`!-X` option, the :option:`!-X` option takes precedence over the environment variable."
msgstr "توابع :mod:`!sys` بر گزینه‌ی :option:`!-X` اولویت دارند، گزینه‌ی :option:`!-X` بر متغیر محیطی اولویت دارد."

msgid "Example, using the environment variable::"
msgstr "مثال، با استفاده از متغیر محیطی::"

msgid ""
"$ PYTHONPERFSUPPORT=1 perf record -F 9999 -g -o perf.data python my_script.py\n"
"$ perf report -g -i perf.data"
msgstr ""
"$ PYTHONPERFSUPPORT=1 perf record -F 9999 -g -o perf.data python my_script.py\n"
"$ perf report -g -i perf.data"

msgid "Example, using the :option:`!-X` option::"
msgstr "مثال، با استفاده از گزینه :option:`!-X`::"

msgid ""
"$ perf record -F 9999 -g -o perf.data python -X perf my_script.py\n"
"$ perf report -g -i perf.data"
msgstr ""
"$ perf record -F 9999 -g -o perf.data python -X perf my_script.py\n"
"$ perf report -g -i perf.data"

msgid "Example, using the :mod:`sys` APIs in file :file:`example.py`:"
msgstr "مثال، استفاده از APIهای :mod:`sys` در پرونده :file:`example.py`:"

msgid ""
"import sys\n"
"\n"
"sys.activate_stack_trampoline(\"perf\")\n"
"do_profiled_stuff()\n"
"sys.deactivate_stack_trampoline()\n"
"\n"
"non_profiled_stuff()"
msgstr ""
"import sys\n"
"\n"
"sys.activate_stack_trampoline(\"perf\")\n"
"do_profiled_stuff()\n"
"sys.deactivate_stack_trampoline()\n"
"\n"
"non_profiled_stuff()"

msgid "...then::"
msgstr "...سپس::"

msgid ""
"$ perf record -F 9999 -g -o perf.data python ./example.py\n"
"$ perf report -g -i perf.data"
msgstr ""
"$ perf record -F 9999 -g -o perf.data python ./example.py\n"
"$ perf report -g -i perf.data"

msgid "How to obtain the best results"
msgstr "چگونه بهترین نتایج را به دست آوریم"

msgid "For best results, Python should be compiled with ``CFLAGS=\"-fno-omit-frame-pointer -mno-omit-leaf-frame-pointer\"`` as this allows profilers to unwind using only the frame pointer and not on DWARF debug information. This is because as the code that is interposed to allow ``perf`` support is dynamically generated it doesn't have any DWARF debugging information available."
msgstr "برای رسیدن به بهترین نتایج، پایتون باید با ``CFLAGS=\"-fno-omit-frame-pointer -mno-omit-leaf-frame-pointer\"`` کامپایل شود، زیرا این کار به ابزارهای پروفایل‌گیری اجازه می‌دهد تا فقط با استفاده از اشاره‌گر فریم (frame pointer) و بدون اتکا به اطلاعات اشکال‌زدایی DWARF، پشته را باز کنند (unwind). دلیل این امر آن است که چون کدی که برای امکان‌پذیر کردن پشتیبانی از ``perf`` میان‌گذاری می‌شود به‌صورت پویا تولید می‌شود، هیچ اطلاعات اشکال‌زدایی DWARF برای آن در دسترس نیست."

msgid "You can check if your system has been compiled with this flag by running::"
msgstr "می‌توانید با اجرای دستور زیر بررسی کنید که آیا سیستم شما با این پرچم کامپایل شده است::"

msgid "$ python -m sysconfig | grep 'no-omit-frame-pointer'"
msgstr "$ python -m sysconfig | grep 'no-omit-frame-pointer'"

msgid "If you don't see any output it means that your interpreter has not been compiled with frame pointers and therefore it may not be able to show Python functions in the output of ``perf``."
msgstr "اگر هیچ خروجی نمی‌بینید، به این معناست که مفسر شما با اشاره‌گرهای فریم (frame pointers) کامپایل نشده است و بنابراین ممکن است نتواند توابع پایتون را در خروجی ``perf`` نمایش دهد."

msgid "How to work without frame pointers"
msgstr "چگونه بدون اشاره‌گرهای فریم کار کنیم"

msgid "If you are working with a Python interpreter that has been compiled without frame pointers, you can still use the ``perf`` profiler, but the overhead will be a bit higher because Python needs to generate unwinding information for every Python function call on the fly. Additionally, ``perf`` will take more time to process the data because it will need to use the DWARF debugging information to unwind the stack and this is a slow process."
msgstr "اگر با مفسر پایتونی کار می‌کنید که بدون اشاره‌گرهای فریم  کامپایل شده است، همچنان می‌توانید از پروفایل‌گیر ``perf`` استفاده کنید، اما سربار آن کمی بیشتر خواهد بود، زیرا پایتون باید برای هر فراخوانی تابع پایتون، اطلاعات باز کردن پشته (unwinding) را در لحظه تولید کند. علاوه بر این، ``perf`` برای پردازش داده‌ها زمان بیشتری نیاز خواهد داشت، زیرا باید از اطلاعات اشکال‌زدایی DWARF برای باز کردن پشته استفاده کند و این فرآیندی کند است."

msgid "To enable this mode, you can use the environment variable :envvar:`PYTHON_PERF_JIT_SUPPORT` or the :option:`-X perf_jit <-X>` option, which will enable the JIT mode for the ``perf`` profiler."
msgstr "برای فعال کردن این حالت، می‌توانید از متغیر محیطی :envvar:`PYTHON_PERF_JIT_SUPPORT` یا گزینه‌ی :option:`-X perf_jit <-X>` استفاده کنید، که حالت JIT را برای پروفایل‌گیر ``perf`` فعال می‌کند."

msgid "Due to a bug in the ``perf`` tool, only ``perf`` versions higher than v6.8 will work with the JIT mode.  The fix was also backported to the v6.7.2 version of the tool."
msgstr "به دلیل وجود یک اشکال در ابزار ``perf``، فقط نسخه‌های ``perf`` بالاتر از v6.8 با حالت JIT کار می‌کنند. این اصلاحیه همچنین به نسخه v6.7.2 این ابزار نیز بک‌پورت شده است."

msgid "Note that when checking the version of the ``perf`` tool (which can be done by running ``perf version``) you must take into account that some distros add some custom version numbers including a ``-`` character.  This means that ``perf 6.7-3`` is not necessarily ``perf 6.7.3``."
msgstr "توجه داشته باشید که هنگام بررسی نسخه‌ی ابزار ``perf`` (که این کار را می‌توان با اجرای ``perf version`` انجام داد)، باید در نظر داشته باشید که برخی توزیع‌ها شماره‌های نسخه‌ی سفارشی شامل نویسه‌ی ``-`` را اضافه می‌کنند. این بدان معناست که ``perf 6.7-3`` لزوماً ``perf 6.7.3`` نیست."

msgid "When using the perf JIT mode, you need an extra step before you can run ``perf report``. You need to call the ``perf inject`` command to inject the JIT information into the ``perf.data`` file.::"
msgstr "هنگام استفاده از حالت JIT در perf، پیش از آنکه بتوانید ``perf report`` را اجرا کنید، به یک مرحله اضافی نیاز دارید. باید دستور ``perf inject`` را فراخوانی کنید تا اطلاعات JIT را به پرونده ``perf.data`` وارد کنید.::"

msgid ""
"$ perf record -F 9999 -g -k 1 --call-graph dwarf -o perf.data python -Xperf_jit my_script.py\n"
"$ perf inject -i perf.data --jit --output perf.jit.data\n"
"$ perf report -g -i perf.jit.data"
msgstr ""
"$ perf record -F 9999 -g -k 1 --call-graph dwarf -o perf.data python -Xperf_jit my_script.py\n"
"$ perf inject -i perf.data --jit --output perf.jit.data\n"
"$ perf report -g -i perf.jit.data"

msgid "or using the environment variable::"
msgstr "یا با استفاده از متغیر محیطی::"

msgid ""
"$ PYTHON_PERF_JIT_SUPPORT=1 perf record -F 9999 -g --call-graph dwarf -o perf.data python my_script.py\n"
"$ perf inject -i perf.data --jit --output perf.jit.data\n"
"$ perf report -g -i perf.jit.data"
msgstr ""
"$ PYTHON_PERF_JIT_SUPPORT=1 perf record -F 9999 -g --call-graph dwarf -o perf.data python my_script.py\n"
"$ perf inject -i perf.data --jit --output perf.jit.data\n"
"$ perf report -g -i perf.jit.data"

msgid "``perf inject --jit`` command will read ``perf.data``, automatically pick up the perf dump file that Python creates (in ``/tmp/perf-$PID.dump``), and then create ``perf.jit.data`` which merges all the JIT information together. It should also create a lot of ``jitted-XXXX-N.so`` files in the current directory which are ELF images for all the JIT trampolines that were created by Python."
msgstr "فرمان ``perf inject --jit`` پرونده ``perf.data`` را می‌خواند، به‌طور خودکار پرونده برون‌ریزی perf را که پایتون ایجاد می‌کند (در ``/tmp/perf-$PID.dump``) دریافت می‌کند و سپس ``perf.jit.data`` را ایجاد می‌کند که همه‌ی اطلاعات JIT را با یکدیگر ادغام می‌کند. همچنین باید تعداد زیادی پرونده ``jitted-XXXX-N.so`` در پوشه‌ی جاری ایجاد کند که تصویرهای ELF برای همه‌ی ترمپولین‌های JIT (JIT trampolines) ایجادشده توسط پایتون هستند."

msgid "When using ``--call-graph dwarf``, the ``perf`` tool will take snapshots of the stack of the process being profiled and save the information in the ``perf.data`` file. By default, the size of the stack dump is 8192 bytes, but you can change the size by passing it after a comma like ``--call-graph dwarf,16384``."
msgstr "هنگام استفاده از ``--call-graph dwarf``، ابزار ``perf`` تصویرهای فوری از پشته‌ی فرایندی که پروفایل‌گیری می‌شود می‌گیرد و اطلاعات را در پرونده ``perf.data`` ذخیره می‌کند. به‌طور پیش‌فرض، اندازه‌ی برون‌ریزی پشته (stack dump) ۸۱۹۲ بایت است، اما می‌توانید اندازه را با قرار دادن آن پس از یک ویرگول، مانند ``--call-graph dwarf,16384``، تغییر دهید."

msgid "The size of the stack dump is important because if the size is too small ``perf`` will not be able to unwind the stack and the output will be incomplete. On the other hand, if the size is too big, then ``perf`` won't be able to sample the process as frequently as it would like as the overhead will be higher."
msgstr "اندازه‌ی برون‌ریزی پشته مهم است، زیرا اگر اندازه بیش از حد کوچک باشد، ``perf`` نمی‌تواند پشته را باز کند و خروجی ناقص خواهد بود. از طرف دیگر، اگر اندازه بیش از حد بزرگ باشد، ``perf`` نمی‌تواند به دفعات دلخواه از فرایند نمونه‌برداری کند، زیرا سربار بیشتر خواهد بود."

msgid "The stack size is particularly important when profiling Python code compiled with low optimization levels (like ``-O0``), as these builds tend to have larger stack frames. If you are compiling Python with ``-O0`` and not seeing Python functions in your profiling output, try increasing the stack dump size to 65528 bytes (the maximum)::"
msgstr "اندازه‌ی پشته به‌ویژه هنگام پروفایل‌گیری کد پایتون کامپایل‌شده با سطح‌های بهینه‌سازی پایین (مانند ``-O0``) اهمیت دارد، زیرا این ساخت‌ها معمولاً فریم‌های پشته بزرگ‌تری دارند. اگر پایتون را با ``-O0`` کامپایل می‌کنید و توابع پایتون را در خروجی پروفایل‌گیری خود نمی‌بینید، سعی کنید اندازه‌ی برون‌ریزی پشته را به ۶۵۵۲۸ بایت (حداکثر) افزایش دهید::"

msgid "$ perf record -F 9999 -g -k 1 --call-graph dwarf,65528 -o perf.data python -Xperf_jit my_script.py"
msgstr "$ perf record -F 9999 -g -k 1 --call-graph dwarf,65528 -o perf.data python -Xperf_jit my_script.py"

msgid "Different compilation flags can significantly impact stack sizes:"
msgstr "پرچم‌های مختلف کامپایل می‌توانند به‌طور قابل‌توجهی بر اندازه‌های پشته تأثیر بگذارند:"

msgid "Builds with ``-O0`` typically have much larger stack frames than those with ``-O1`` or higher"
msgstr "ساخت‌های با ``-O0`` معمولاً فریم‌های پشته بسیار بزرگ‌تری نسبت به ساخت‌های با ``-O1`` یا بالاتر دارند"

msgid "Adding optimizations (``-O1``, ``-O2``, etc.) typically reduces stack size"
msgstr "افزودن بهینه‌سازی‌ها (``-O1``، ``-O2`` و غیره) معمولاً اندازه پشته را کاهش می‌دهد"

msgid "Frame pointers (``-fno-omit-frame-pointer``) generally provide more reliable stack unwinding"
msgstr "اشاره‌گرهای فریم (``-fno-omit-frame-pointer``) معمولاً باز شدن قابل‌اطمینان‌تر پشته را فراهم می‌کنند"