python的性能如何 python代码性能分析

转载

网络安全守卫 2023-11-07 11:54:43

文章标签 python的性能如何 python Pyinstrument 示例代码堆栈 文章分类 Python 后端开发

Pyinstrument 是一个 Python 分析器。分析器是一种帮助您优化代码的工具 - 使其更快。要获得最大的速度提升。

pyinstrument是一款python性能分析器，它通过记录程序执行过程中的堆栈记录来帮你找出程序最耗时的代码。pyinstrument每1毫秒中断一次程序，并在那一点记录整个堆栈，单个函数的执行时长会在函数执行结束后被记录。当你的python程序性能需要优化时，可以考虑使用pyinstrument来定位程序慢在哪里。

Pyinstrument 每隔 1ms 中断一次程序，并记录此时的整个堆栈。它使用 C 扩展和执行此操作。

Pyinstrument 官方文档：Home - pyinstrument 4.4.0 documentation

Pyinstrument还支持flask、异步代码等的性能分析，具体可以查看官方文档进行学习。

Pyinstrument也提供了丰富的api供我们使用，官网文档有详细的介绍。

1、安装

pip install pyinstrument

python的性能如何 python代码性能分析_堆栈

2、案例分析

2.1 单条代码性能测试

示例代码：

from pyinstrument import Profiler

profiler = Profiler()
profiler.start()
# 生成长度为一千万的列表
b = [i for i in range(10000000)]
profiler.stop()
profiler.print()

运行结果：

python的性能如何 python代码性能分析_python_02

打印的信息包含了记录时间、线程数、总耗时、单行代码耗时、CPU执行时间等信息。

注意：如果码执行时间不到 1 毫秒时，需要设置一个小于默认值0.001（1毫秒）的时间间隔：

profiler = Profiler(interval=0.0001)

2.2 多条代码性能测试

示例代码：

from pyinstrument import Profiler

profiler = Profiler()
profiler.start()
a = [i for i in range(10000000)]  # 生成长度为一千万的列表
b = [i for i in range(100000000)]  # 生成长度为一亿的列表
c = [i for i in range(200000000)]  # 生成长度为十亿的列表
profiler.stop()
profiler.print()

运行结果：

python的性能如何 python代码性能分析_python_03

2.3 函数性能测试

示例代码：

import requests
from pyinstrument import Profiler


def test_api():
    url = 'http://www.baidu.com'
    res = requests.get(url)
    print(res.status_code)


profiler = Profiler()
profiler.start()

test_api()

profiler.stop()
print(profiler.output_text(unicode=True, color=True))

运行结果：

python的性能如何 python代码性能分析_python的性能如何_04

2.4 在Flask框架中使用

一个简单的设置来分析 Flask 应用程序如下。

示例代码：

from flask import Flask, g, make_response, request
from pyinstrument import Profiler

app = Flask(__name__)


@app.before_request
def before_request():
    if "profile" in request.args:
        g.profiler = Profiler()
        g.profiler.start()


@app.after_request
def after_request(response):
    if not hasattr(g, "profiler"):
        return response
    g.profiler.stop()
    output_html = g.profiler.output_html()
    return make_response(output_html)


@app.route('/profile')
def profile_func():
    profile = request.args.get('profile')
    import time
    time.sleep(2)
    return profile


if __name__ == '__main__':
    app.run()

运行结果：

python的性能如何 python代码性能分析_Pyinstrument_05