赤峰做网站开发,直播视频怎么下载,套模板网站建设,平舆网站建设虽然Python是一个”慢慢的“语言#xff0c;但是不代表我们对性能没有任何的追求#xff0c;在程序运行过程中#xff0c;如果发现程序运行时间太长或者内存占用过大#xff0c;免不了需要对程序的执行过程进行一些监测#xff0c;找到有问题的地方#xff0c;进行优化。… 虽然Python是一个”慢慢的“语言但是不代表我们对性能没有任何的追求在程序运行过程中如果发现程序运行时间太长或者内存占用过大免不了需要对程序的执行过程进行一些监测找到有问题的地方进行优化。今天来分享一些平时用到的Python性能分析工具memory_profilermemory_profiler是监控python进程的神器只需要在函数加一个装饰器就可以输出每行代码的内存使用情况安装pip install memory_profiler使用import timeprofiledef my_func(): a [1] * (10 ** 6) b [2] * (2 * 10 ** 7) time.sleep(10) del b del a print if __name__ __main__: my_func()输出$ python -m memory_profiler del3.pyFilename: del3.pyLine # Mem usage Increment Line Contents 10.293 MiB 0.000 MiB profile def my_func(): 17.934 MiB 7.641 MiB a [1] * (10 ** 6) 170.523 MiB 152.590 MiB b [2] * (2 * 10 ** 7) 170.527 MiB 0.004 MiB time.sleep(10) 17.938 MiB -152.590 MiB del b 10.305 MiB -7.633 MiB del a 10.309 MiB 0.004 MiB print 内建函数 timeitimport timeitimport timedef my_func(): time.sleep(1) return sum([1,2,3])result timeit.timeit(my_func, number5)print(result)Jupyter Notebook Magic 命令在Jupyter Notebook中可以通过%%timeit魔法命令测试cell中代码的运行时间%%timeitimport timedef my_func(): time.sleep(1) return sum([1,2,3])result timeit.timeit(my_func, number5)print(result)计时装饰器Python 中的装饰器可以在其他函数不需要改动任何代码的情况下增加额外功能经常用在插入日志、性能测试、权限校验等场景中。我们可以将计时功能封装成一个装饰器方便复用。from functools import wrapsimport timedef timeit(func): wraps(func) def deco(): start time.time() res func() end time.time() delta end - start print(Wall time , delta) return res return deco使用timeitdef my_func(): # do something time.sleep(3) pass输出Wall time: 3line_profiler如果我们除了想知道代码整体的运行时间之外还要精确分析每行代码的运行时间那python的 line_profiler 模块就可以帮到你啦line_profiler 可以用来测试函数每行代码的响应时间等情况。为了使用方便可以将line_profiler 相关函数封装在装饰器中进行使用这样在接口请求时则会执行此装饰器并打印出结果。安装pip install line_profiler使用from flask import Flask, jsonifyimport timefrom functools import wrapsfrom line_profiler import LineProfiler# 查询接口中每行代码执行的时间def func_line_time(f): wraps(f) def decorator(*args, **kwargs): func_return f(*args, **kwargs) lp LineProfiler() lp_wrap lp(f) lp_wrap(*args, **kwargs) lp.print_stats() return func_return return decoratorapp Flask(__name__)app.route(/line_test) func_line_time def line_test(): for item in range(5): time.sleep(1) for item in xrange(5): time.sleep(0.5) return jsonify({code:200}) if __name____main__: app.run()输出* Running on http://127.0.0.1:5000/Timer unit: 1e-06 sTotal time: 7.50827 sFile: /home/rgc/baidu_eye/carrier/test/flask_line_profiler_test.pyFunction: line_test at line 22Line # Hits Time Per Hit % Time Line Contents app.route(/line_test) func_line_time def line_test(): 6 33.0 5.5 0.0 for item in range(5): 5 5005225.0 1001045.0 66.7 time.sleep(1) 6 31.0 5.2 0.0 for item in xrange(5): 5 2502696.0 500539.2 33.3 time.sleep(0.5) 1 282.0 282.0 0.0 return jsonify({code:200})127.0.0.1 - - [05/Mar/2018 15:58:21] GET /line_test HTTP/1.1 200 -pyheat相较于上面的代码运行时间测试工具pyheat 通过matplotlib 的绘制热力图来展现代码的运行时间显得更为直观安装pip install py-heat使用方法pyheat --out image_file.pngheartrateheartrate 也是一个可视化的监测工具可以像监测心率一样追踪程序运行通过web页面可视化Python程序的执行过程。img左侧数字表示每行代码被触发的次数。长方框表示最近被触发的代码行——方框越长表示触发次数越多颜色越浅表示最近被触发次数越多。该工具记录的是每行代码执行的次数而不是具体执行时间在性能调试的时候有些鸡肋安装pip install --user heartrate使用import heartratefrom heartrate import trace, filesheartrate.trace(browserTrue)trace(filesfiles.path_contains(my_app, my_library))
