Python如何給你的程序做性能測(cè)試

更新時(shí)間：2020年07月29日 16:54:21 作者：David Beazley

這篇文章主要介紹了Python如何給你的程序做性能測(cè)試，文中講解非常細(xì)致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下

問(wèn)題

你想測(cè)試你的程序運(yùn)行所花費(fèi)的時(shí)間并做性能測(cè)試。

解決方案

如果你只是簡(jiǎn)單的想測(cè)試下你的程序整體花費(fèi)的時(shí)間，通常使用Unix時(shí)間函數(shù)就行了，比如：

bash % time python3 someprogram.py
real 0m13.937s
user 0m12.162s
sys 0m0.098s
bash %

如果你還需要一個(gè)程序各個(gè)細(xì)節(jié)的詳細(xì)報(bào)告，可以使用 cProfile 模塊：

bash % python3 -m cProfile someprogram.py
     859647 function calls in 16.016 CPU seconds

  Ordered by: standard name

  ncalls tottime percall cumtime percall filename:lineno(function)
  263169  0.080  0.000  0.080  0.000 someprogram.py:16(frange)
   513  0.001  0.000  0.002  0.000 someprogram.py:30(generate_mandel)
  262656  0.194  0.000  15.295  0.000 someprogram.py:32(<genexpr>)
    1  0.036  0.036  16.077  16.077 someprogram.py:4(<module>)
  262144  15.021  0.000  15.021  0.000 someprogram.py:4(in_mandelbrot)
    1  0.000  0.000  0.000  0.000 os.py:746(urandom)
    1  0.000  0.000  0.000  0.000 png.py:1056(_readable)
    1  0.000  0.000  0.000  0.000 png.py:1073(Reader)
    1  0.227  0.227  0.438  0.438 png.py:163(<module>)
   512  0.010  0.000  0.010  0.000 png.py:200(group)
  ...
bash %

不過(guò)通常情況是介于這兩個(gè)極端之間。比如你已經(jīng)知道代碼運(yùn)行時(shí)在少數(shù)幾個(gè)函數(shù)中花費(fèi)了絕大部分時(shí)間。對(duì)于這些函數(shù)的性能測(cè)試，可以使用一個(gè)簡(jiǎn)單的裝飾器：

# timethis.py

import time
from functools import wraps

def timethis(func):
  @wraps(func)
  def wrapper(*args, **kwargs):
    start = time.perf_counter()
    r = func(*args, **kwargs)
    end = time.perf_counter()
    print('{}.{} : {}'.format(func.__module__, func.__name__, end - start))
    return r
  return wrapper

要使用這個(gè)裝飾器，只需要將其放置在你要進(jìn)行性能測(cè)試的函數(shù)定義前即可，比如：

>>> @timethis
... def countdown(n):
...   while n > 0:
...       n -= 1
...
>>> countdown(10000000)
__main__.countdown : 0.803001880645752
>>>

要測(cè)試某個(gè)代碼塊運(yùn)行時(shí)間，你可以定義一個(gè)上下文管理器，例如：

from contextlib import contextmanager

@contextmanager
def timeblock(label):
  start = time.perf_counter()
  try:
    yield
  finally:
    end = time.perf_counter()
    print('{} : {}'.format(label, end - start))

下面是使用這個(gè)上下文管理器的例子：

>>> with timeblock('counting'):
...   n = 10000000
...   while n > 0:
...       n -= 1
...
counting : 1.5551159381866455
>>>

對(duì)于測(cè)試很小的代碼片段運(yùn)行性能，使用 timeit 模塊會(huì)很方便，例如：

>>> from timeit import timeit
>>> timeit('math.sqrt(2)', 'import math')
0.1432319980012835
>>> timeit('sqrt(2)', 'from math import sqrt')
0.10836604500218527
>>>

timeit 會(huì)執(zhí)行第一個(gè)參數(shù)中語(yǔ)句100萬(wàn)次并計(jì)算運(yùn)行時(shí)間。第二個(gè)參數(shù)是運(yùn)行測(cè)試之前配置環(huán)境。如果你想改變循環(huán)執(zhí)行次數(shù)，可以像下面這樣設(shè)置 number 參數(shù)的值：

>>> timeit('math.sqrt(2)', 'import math', number=10000000)
1.434852126003534
>>> timeit('sqrt(2)', 'from math import sqrt', number=10000000)
1.0270336690009572
>>>

討論

當(dāng)執(zhí)行性能測(cè)試的時(shí)候，需要注意的是你獲取的結(jié)果都是近似值。 time.perf_counter() 函數(shù)會(huì)在給定平臺(tái)上獲取最高精度的計(jì)時(shí)值。不過(guò)，它仍然還是基于時(shí)鐘時(shí)間，很多因素會(huì)影響到它的精確度，比如機(jī)器負(fù)載。如果你對(duì)于執(zhí)行時(shí)間更感興趣，使用 time.process_time() 來(lái)代替它。例如：

from functools import wraps
def timethis(func):
  @wraps(func)
  def wrapper(*args, **kwargs):
    start = time.process_time()
    r = func(*args, **kwargs)
    end = time.process_time()
    print('{}.{} : {}'.format(func.__module__, func.__name__, end - start))
    return r
  return wrapper

最后，如果你想進(jìn)行更深入的性能分析，那么你需要詳細(xì)閱讀 time 、timeit 和其他相關(guān)模塊的文檔。這樣你可以理解和平臺(tái)相關(guān)的差異以及一些其他陷阱。還可以參考13.13小節(jié)中相關(guān)的一個(gè)創(chuàng)建計(jì)時(shí)器類的例子。

以上就是Python如何給你的程序做性能測(cè)試的詳細(xì)內(nèi)容，更多關(guān)于Python做性能測(cè)試的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: