問題
你想測試你的程序運(yùn)行所花費(fèi)的時(shí)間并做性能測試。
解決方案
如果你只是簡單的想測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：
|
1
2
3
4
5
|
bash % time python3 someprogram.pyreal 0m13.937suser 0m12.162ssys 0m0.098sbash % |
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
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。 對于這些函數(shù)的性能測試，可以使用一個(gè)簡單的裝飾器：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
# timethis.pyimport timefrom functools import wrapsdef 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)行性能測試的函數(shù)定義前即可，比如：
|
1
2
3
4
5
6
7
8
|
>>> @timethis... def countdown(n):... while n > 0:... n -= 1...>>> countdown(10000000)__main__.countdown : 0.803001880645752>>> |
要測試某個(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：
|
1
2
3
4
5
6
7
8
9
10
|
from contextlib import contextmanager@contextmanagerdef 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：
|
1
2
3
4
5
6
7
|
>>> with timeblock('counting'):... n = 10000000... while n > 0:... n -= 1...counting : 1.5551159381866455>>> |
對于測試很小的代碼片段運(yùn)行性能，使用 timeit 模塊會很方便，例如：
|
1
2
3
4
5
6
|
>>> from timeit import timeit>>> timeit('math.sqrt(2)', 'import math')0.1432319980012835>>> timeit('sqrt(2)', 'from math import sqrt')0.10836604500218527>>> |
timeit 會執(zhí)行第一個(gè)參數(shù)中語句100萬次并計(jì)算運(yùn)行時(shí)間。 第二個(gè)參數(shù)是運(yùn)行測試之前配置環(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：
|
1
2
3
4
5
|
>>> 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)會在給定平臺上獲取最高精度的計(jì)時(shí)值。 不過，它仍然還是基于時(shí)鐘時(shí)間，很多因素會影響到它的精確度，比如機(jī)器負(fù)載。 如果你對于執(zhí)行時(shí)間更感興趣，使用 time.process_time() 來代替它。例如：
|
1
2
3
4
5
6
7
8
9
10
|
from functools import wrapsdef 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試的詳細(xì)內(nèi)容，更多關(guān)于Python做性能測試的資料請關(guān)注服務(wù)器之家其它相關(guān)文章！
原文鏈接：https://python3-cookbook.readthedocs.io/zh_CN/latest/c14/p13_profiling_and_timing_your_program.html
