line_profiler 时间分析
line_profiler 是一个第三方的模块，需要进行安装才可以使用。它可以统计每行代码的执行次数和执行时间等，时间单位为微妙。
安装：
(.venv) PS D:\code\vscode\py> pip install line-profiler
PS: 如果是windows下，可能安装会有点小麻烦，不过之前安装相关的加密解密库的时候已安装处理，应该也没什么大问题。主要是需要安装C++ 编译器。以前通常就是直接的安装一个VC。
1、@profile装饰器应用示例（不需要import任何包）：
line_profiler_ceshi.py
@profile
def randomlist(n):
lists = []
l = [random.random() for i in range(n)]
l.sort()
for v in l:
lists.append(v)
return lists
@profile
def randomlist_2():
lists = []
for v in l:
lists.append(v)
@profile
def run():
randomlist(200000)
randomlist_2(200000)
if __name__ == '__main__':
run()
然后通过通过下面的命令获得关于random_sort2函数的逐行描述：
kernprof -l -v .\line_profiler_ceshi.py
PS:
-l 表示逐行解释， v 表示输出详细结果。 通过这种方法，我们看到构建数组消耗了44%的计算时间，而sort()方法消耗了剩余的56%的时间。
提示相关的程序 运行，运行一下吧。
执行结果：
(.venv) PS D:\code\vscode\py> kernprof -l -v .\line_profiler_ceshi.py
Wrote profile results to line_profiler_ceshi.py.lprof
Timer unit: 1e-07 s
Total time: 0.306481 s
File: .\line_profiler_ceshi.py
Function: randomlist at line 14
Line # Hits Time Per Hit % Time Line Contents
==============================================================
14 @profile
15 def randomlist(n):
16 1 14.0 14.0 0.0 lists = []
17 1 384313.0 384313.0 12.5 l = [random.random() for i in range(n)]
18 1 676791.0 676791.0 22.1 l.sort()
19 200001 967809.0 4.8 31.6 for v in l:
20 200000 1035876.0 5.2 33.8 lists.append(v)
21 1 6.0 6.0 0.0 return lists
Line:代码行号 Hits：表示每行代码运行次数 Time：每行代码运行总时间（时间单位为微妙） Per Hits：每行代码运行一次需要时间 （时间单位为微妙） % Time：每行代码运行时间百分比 line Contents：每行代码内容
PS:如果需要分析多个函数直接的加装饰器就可以
@profile
def foo():
task = []
for a in range(0, 101):
for b in range(0, 101):
if a + b == 100:
task.append((a, b))
return task
@profile
def run():
for item in foo():
pass
if __name__ == '__main__':
run()
2、import line_profiler的代码的方式运行分析：
line_profiler_ceshi.py
import line_profiler
import random
def randomlist(n):
lists = []
l = [random.random() for i in range(n)]
l.sort()
for v in l:
lists.append(v)
return lists
if __name__ == "__main__":
profile = line_profiler.LineProfiler(randomlist) # 把函数传递到性能分析器
profile.enable() # 开始分析
randomlist(200000)
profile.disable() # 停止分析
profile.print_stats() # 打印出性能分析结果
执行的结果是：
Line:代码行号 Hits：表示每行代码运行次数 Time：每行代码运行总时间 Per Hits：每行代码运行一次需要时间 % Time：每行代码运行时间百分比 line Contents：每行代码内容
Timer unit: 1e-07 s
Total time: 0.292393 s
File: d:/code/vscode/py/line_profiler_ceshi.py
Function: randomlist at line 15
Line # Hits Time Per Hit % Time Line Contents
==============================================================
15 def randomlist(n):
16 1 12.0 12.0 0.0 lists = []
17 1 375378.0 375378.0 12.8 l = [random.random() for i in range(n)]
18 1 671413.0 671413.0 23.0 l.sort()
19 200001 915280.0 4.6 31.3 for v in l:
20 200000 961843.0 4.8 32.9 lists.append(v)
21 1 5.0 5.0 0.0 return lists
(.venv) PS D:\code\vscode\py>
3、import line_profiler 改造成一个装饰器：
line_profiler_ceshi.py
import random
from line_profiler import LineProfiler
from functools import wraps
# 查询接口中每行代码执行的时间
# 查询接口中每行代码执行的时间
def func_line_time(f):
@wraps(f)
def decorator(*args, **kwargs):
func_return = f(*args, **kwargs)
profile = LineProfiler()
profile.enable() # 开始分析
profile_wrap = profile(f)
profile_wrap(*args, **kwargs)
profile.disable() # 停止分析
profile.print_stats() # 打印出性能分析结果
return func_return
return decorator
@func_line_time
def randomlist(n):
lists = []
l = [random.random() for i in range(n)]
l.sort()
for v in l:
lists.append(v)
return lists
if __name__ == "__main__":
randomlist(200000)
输出结果：
Timer unit: 1e-07 s
Total time: 0.299915 s
File: d:/code/vscode/py/line_profiler_ceshi.py
Function: randomlist at line 34
Line # Hits Time Per Hit % Time Line Contents
==============================================================
34 @func_line_time
35 def randomlist(n):
36 1 15.0 15.0 0.0 lists = []
37 1 374605.0 374605.0 12.5 l = [random.random() for i in range(n)]
38 1 696941.0 696941.0 23.2 l.sort()
39 200001 947125.0 4.7 31.6 for v in l:
40 200000 980459.0 4.9 32.7 lists.append(v)
41 1 6.0 6.0 0.0 return lists
(.venv) PS D:\code\vscode\py>
多个函数需要函数的示例：
'''
Author: 小钟同学
objectDescription: 项目描述
Date: 2021-03-05 14:07:13
LastEditors: 308711822@qq.com
LastEditTime: 2021-03-05 15:01:25
FilePath: \py\line_profiler_ceshi.py
Version: 1.0
'''
import random
from line_profiler import LineProfiler
from functools import wraps
# 查询接口中每行代码执行的时间
# 查询接口中每行代码执行的时间
def func_line_time(f):
@wraps(f)
def decorator(*args, **kwargs):
func_return = f(*args, **kwargs)
profile = LineProfiler()
profile.enable() # 开始分析
profile_wrap = profile(f)
profile_wrap(*args, **kwargs)
profile.disable() # 停止分析
profile.print_stats() # 打印出性能分析结果
return func_return
return decorator
@func_line_time
def randomlist(n):
lists = []
l = [random.random() for i in range(n)]
l.sort()
for v in l:
lists.append(v)
return lists
@func_line_time
def randomlist_324234(n):
lists = []
l = [random.random() for i in range(n)]
l.sort()
for v in l:
lists.append(v)
return lists
if __name__ == "__main__":
randomlist(200000)
randomlist_324234(454353)
参考资料：
https://testerhome.com/topics/21411
https://www.cnblogs.com/c-x-a/p/10264490.html
https://blog.csdn.net/qq_36097393/article/details/83574269
说明
部分的图或资料来互联网收集整理，如有侵权，烦请联系，我会立即进行删除。
End
纯属个人实践中相关经验之谈，如有纰漏，还希望大佬们多多提点！
小钟同学 | 文 【原创】| QQ：308711822
原文作者：程序员小钟同学；如有侵权，请联系管理员删除。
请登录后发表评论
登录
全部评论
最新文章
- 深入FastAPI异步编程-之并发编程（15）-定义全局的支持全局上下文变量和局部上下文的对象可以任意传递了！
- 深入FastAPI异步编程-之并发编程（13）-纠错-修改基于aiojobs库结合aiojobs的和FastAPI框架的示例
- 深入FastAPI异步编程-之并发编程（13）-基于aiojobs库实现类似Background Tasks的效果
- 深入FastAPI异步编程-之并发编程（12）-基于pyee异步事件驱动通知
- 深入FastAPI异步编程-之并发编程（11）-异步中的?同步原语
- 深入FastAPI异步编程-之并发编程（10）-?asyncio.wait 更精细化并发补充说明
- 深入FastAPI异步编程-之并发编程（9）-asyncio.as_completed的补充说明
- 深入FastAPI异步编程-之并发编程（8）-asyncio.gather的补充说明
- 深入FastAPI异步编程-之并发编程（7）番外篇~Windows系统下事件循环插曲
- 深入FastAPI异步编程-之并发编程（6）~事件循环
