14.13 给你的程序做性能测试
如果你只是简单的想测试下你的程序整体花费的时间,通常使用Unix时间函数就行了,比如:
如果你还需要一个程序各个细节的详细报告,可以使用 模块:
- 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 %
不过通常情况是介于这两个极端之间。比如你已经知道代码运行时在少数几个函数中花费了绝大部分时间。对于这些函数的性能测试,可以使用一个简单的装饰器:
- 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
要测试某个代码块运行时间,你可以定义一个上下文管理器,例如:
- from contextlib import contextmanager
- @contextmanager
- def timeblock(label):
- start = time.perf_counter()
- try:
- yield
- finally:
- print('{} : {}'.format(label, end - start))
下面是使用这个上下文管理器的例子:
- >>> with timeblock('counting'):
- ... n = 10000000
- ... while n > 0:
- ... n -= 1
- ...
- counting : 1.5551159381866455
- >>>
对于测试很小的代码片段运行性能,使用 timeit
模块会很方便,例如:
- >>> timeit('math.sqrt(2)', 'import math', number=10000000)
- 1.434852126003534
- >>> timeit('sqrt(2)', 'from math import sqrt', number=10000000)
- 1.0270336690009572
- >>>
当执行性能测试的时候,需要注意的是你获取的结果都是近似值。 函数会在给定平台上获取最高精度的计时值。不过,它仍然还是基于时钟时间,很多因素会影响到它的精确度,比如机器负载。如果你对于执行时间更感兴趣,使用 time.process_time()
来代替它。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 wrapper
最后,如果你想进行更深入的性能分析,那么你需要详细阅读 、timeit
和其他相关模块的文档。这样你可以理解和平台相关的差异以及一些其他陷阱。还可以参考13.13小节中相关的一个创建计时器类的例子。
原文: