快捷導(dǎo)航

利用4行Python代碼監(jiān)測每一行程序的運(yùn)行時間和空間消耗

更新時間：2020年04月22日 09:21:48 作者：不脫發(fā)的程序猿

這篇文章主要介紹了如何使用4行Python代碼監(jiān)測每一行程序的運(yùn)行時間和空間消耗,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下

Python是一個高層次的結(jié)合了解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言，其具有高可擴(kuò)展性和高可移植性，具有廣泛的標(biāo)準(zhǔn)庫，受到開發(fā)者的追捧，廣泛應(yīng)用于開發(fā)運(yùn)維（DevOps）、數(shù)據(jù)科學(xué)、網(wǎng)站開發(fā)和安全。然而，它沒有因速度和空間而贏得任何稱贊，主要原因是Python是一門動態(tài)類型語言，每一個簡單的操作都需要大量的指令才能完成。

所以這更加需要開發(fā)者在使用Python語言開發(fā)項(xiàng)目時協(xié)調(diào)好程序運(yùn)行的時間和空間。

1、分析時間耗時

分析項(xiàng)目消耗的時間消耗，依托于line_profiler模塊，其可以計(jì)算出執(zhí)行每行代碼所需占用的CPU時間。

第1步：安裝line_profiler模塊，我是用pip安裝一直失敗，所以下載到本地進(jìn)行離線安裝，指令如下所示：

pip install .\line_profiler-3.0.2-cp37-cp37m-win_amd64.whl

安裝成功效果如下所示：

第2步：分析每行代碼的運(yùn)行時間，本案例Demo檢測for循環(huán)一萬次累加和while循環(huán)一萬次累加的時間，并進(jìn)行對比，實(shí)現(xiàn)代碼如下所示：

from line_profiler import LineProfiler
 
def operation1():
 num=0
 for i in range(10000):
  num += 1
 
def operation2():
 num=0
 while(num < 10000):
  num += 1
 
if __name__ == "__main__":
 lprofiler = LineProfiler(operation1,operation2)
 lprofiler.run('operation1()')
 lprofiler.run('operation2()')
 lprofiler.print_stats()

運(yùn)行程序，可見while循環(huán)速度稍微慢一些，效果如下所示：

2、分析空間耗時

memory_profiler模塊可實(shí)現(xiàn)對Python項(xiàng)目中每一個代碼的內(nèi)存消耗進(jìn)行分析和監(jiān)控。

第1步：安裝memory_profiler庫文件，指令如下所示：

pip install memory_profiler

安裝成功效果如下所示：

第2步：分析每行代碼的空間消耗，本案例Demo檢測for循環(huán)一萬次累加和while循環(huán)一萬次累加的消耗空間，并進(jìn)行對比，實(shí)現(xiàn)代碼如下所示：

from memory_profiler import profile
 
@profile
def operation1():
 num=0
 for i in range(10000):
  num += 1
 
@profile
def operation2():
 num=0
 while(num < 10000):
  num += 1
 
if __name__ == "__main__":
 operation1()
 operation2()

由于是簡單運(yùn)算消耗的內(nèi)存是微乎其微的，效果如下所示：

本篇博文僅介紹以上兩種模塊，其實(shí)有更多有意思的模塊可以實(shí)現(xiàn)對程序的運(yùn)行時間和空間消耗的監(jiān)測，感興趣的朋友可以多多嘗試。

到此這篇關(guān)于利用4行Python代碼監(jiān)測每一行程序的運(yùn)行時間和空間消耗的文章就介紹到這了,更多相關(guān)python 監(jiān)測程序運(yùn)行時間空間消耗內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: