有时候运行一个python程序,它需要运行很长时间。你或许想提升该程序的运行效率。那该怎么做那?

     首先需要你要找到该程序瓶颈在哪里~   比如,哪个函数的运行花费时间比较长? 哪个函数占用内存比较多,是否需要优化对内存的使用? 哪个占用cpu时间比较长? 等…   这些都需要考虑,python有几个库可以帮助你解决这些问题~   废话不多说,切入主题。

首先写一段读取一个文件的python脚本:

#touch c9.py

#!/usr/bin/env python
#Date: 2015/07/21

def read_file(fpath):
    BLOCK_SIZE=1024
    with open(fpath, 'rb') as fd:
        block = fd.read(BLOCK_SIZE)
        if block:
            yield block
        else:
            return
 
def main():
    for i in read_file('~/access.log')
        print i
 
if __name__ == "__main__":
    main()

然后,对该代码进行测试。

首先测试该代码运行时间:

它是一个外部的python测量。


real 表明了执行脚本花费的总时间。

user 表明了执行脚本花费在cpu的时间。

sys 表明了执行脚本花费在内核函数的时间。

因此, Real time和user+sys相加的不同或许表明了时间花费在等待i/o或者是系统在忙于执行其他任务。

使用cProfile模块


如果想知道花费在每个函数和方法上的时间,以及他们被调用了多少次,你可以使用cProfile模块。

$ python -m cProfile -s cumulative  + 要执行的python脚本    ( -s cumulative 它将通过累积花费在每个函数上的时间来排序)



你将看到花费在运行你的脚本总时间是比以前高的,这是我们测量每个函数执行时间的损失。

使用line_profile模块

        line_profile 给出了在你代码美一行花费cpu时间。

        首先需要安装line_profiler:

                pip install line_profiler

接下来,你需要制定你想使用装饰器@profile评估哪个函数(你不需要把它import 到你的文件中)  



接下来测试该代码:

        $ kernprof -l -v + 要执行的代码

-l 标识表明了逐行和-v标识表明详细输出。

使用memory_profile模块

        memory_profile模块被用于在逐行的基础上,测量你代码的内存使用率。尽管如此,它可能使得你的代码运行的更慢。

        首先安装memory_profiler

                $pip install memory_profiler

         也建议安装psutil包,使得memory_profile模块运行的更快。

                 $ pip install psutil

类似于line_profile的方式,使用装饰器@profile来标记哪个函数被跟踪。

$python -m memory_profiler + 要执行的代码文件


看上面的输出,注意内存使用率的单位是MiB,这代表的是兆字节(1MiB = 1.05MB).

使用guppy模块

        使用guppy模块你可以跟踪每个类型在你代码中每个阶段(字符、元组、字典等等)有多少对象被创建。

安装guppy:

$ pip install guppy

然后将你的代码该改成如下:

#!/usr/bin/env python
from guppy import hpy
 
def read_file(fpath):
    hp = hpy()
    print "Heap at the beginning of the function\n", hp.heap()
    BLOCK_SIZE = 1024
    with open(fpath, 'rb') as fd:
        while True:
            block = fd.read(BLOCK_SIZE)
            if block:
                yield block
            else:
                print "Heap at the end of the function\n", hp.heap()
                return
 
def main():
    hp = hpy()
    print "Heap at the beginning of the function\n", hp.heap()
    for i in read_file('/Users/David/Applications/py/dt'):
        #print i
        pass
    print "Heap at the end of the function\n", hp.heap()
 
if __name__ == "__main__":
    main()

执行该代码:

$ python c9.py


通过数据结果,可以看出每个str、dict、function等对象被创建。

通过以上几个模块,可以更加清晰的了解python代码的执行过程以及对资源的占用情况。对代码优化有很大的帮助~~~