python函数运行内存时间等性能检测工具怎么用
时间：2023-05-10 18:10
首先，来编写一个基础的python函数用于在后面的各种性能测试。 memory_profiler是python的非标准库，所以这里采用pip的方式进行安装。它能够监视进程、了解内存使用等情况。 安装好memory_profiler库以后，直接使用注解的方式进行测试。 从返回的数据结果来看，执行当前函数使用了45.3 MiB的内存。 timeit是python的内置模块，可以测试单元格的代码运行时间，由于是内置模块所以并不需要单独安装。 根据上面函数的运行返回结果，函数的运行时间是0.96秒。 如果在只需要检测函数的局部运行时间的话就可以使用line_profiler了，它可以检测出每行代码的运行时间。 line_profiler是python的非标准库，使用的使用pip的方式安装一下。 最简便的使用方式直接将需要测试的函数加入即可。 从运行结果可以看出每行代码的运行时间及比例，注意这里的时间单位是微妙。 heartrate最值得推荐的是可以在网页上面向检测心率一样检测程序的执行过程，同时，他还是非标准库，使用pip的方式进行安装。 运行以后，控制台打印如下日志： 并且自动打开浏览器地址：http://127.0.0.1:9999 以上就是python函数运行内存时间等性能检测工具怎么用的详细内容，更多请关注Gxl网其它相关文章！基础测试函数
def base_func(): for n in range(10000): print('当前n的值是：{}'.format(n))memory_profiler进程
pip install memory_profiler
from memory_profiler import profile@profiledef base_func1(): for n in range(10000): print('当前n的值是：{}'.format(n))base_func1()# Line # Mem usage Increment Occurrences Line Contents# =============================================================# 28 45.3 MiB 45.3 MiB 1 @profile# 29 def base_func():# 30 45.3 MiB 0.0 MiB 10001 for n in range(10000):# 31 45.3 MiB 0.0 MiB 10000 print('当前n的值是：{}'.format(n))timeit 时间使用情况
import timeitdef base_func2(): for n in range(10000): print('当前n的值是：{}'.format(n))res = timeit.timeit(base_func2,number=5)print('当前的函数的运行时间是：{}'.format(res))# 当前的函数的运行时间是：0.9675800999999993line_profiler行代码检测
pip install line_profiler
def base_func3(): for n in range(10000): print('当前n的值是：{}'.format(n))from line_profiler import LineProfilerlp = LineProfiler()lp_wrap = lp(base_func3)lp_wrap()lp.print_stats()# Line # Hits Time Per Hit % Time Line Contents# ==============================================================# 72 def base_func3():# 73 10001 162738.0 16.3 4.8 for n in range(10000):# 74 10000 3207772.0 320.8 95.2 print('当前n的值是：{}'.format(n))heartrate可视化检测
pip install heartrate
import heartrateheartrate.trace(browser=True)def base_func4(): for n in range(10000): print('当前n的值是：{}'.format(n))# * Serving Flask app "heartrate.core" (lazy loading)# * Environment: production# WARNING: This is a development server. Do not use it in a production deployment.# Use a production WSGI server instead.# * Debug mode: off
