Python是一個(gè)高層次的結(jié)合了解釋性、編譯性、互動(dòng)性和面向?qū)ο蟮哪_本語(yǔ)言，其具有高可擴(kuò)展性和高可移植性，具有廣泛的標(biāo)準(zhǔn)庫(kù)，受到開(kāi)發(fā)者的追捧，廣泛應(yīng)用于開(kāi)發(fā)運(yùn)維（DevOps）、數(shù)據(jù)科學(xué)、網(wǎng)站開(kāi)發(fā)和安全。然而，它沒(méi)有因速度和空間而贏得任何稱(chēng)贊，主要原因是Python是一門(mén)動(dòng)態(tài)類(lèi)型語(yǔ)言，每一個(gè)簡(jiǎn)單的操作都需要大量的指令才能完成。

所以這更加需要開(kāi)發(fā)者在使用Python語(yǔ)言開(kāi)發(fā)項(xiàng)目時(shí)協(xié)調(diào)好程序運(yùn)行的時(shí)間和空間。

1、分析時(shí)間耗時(shí)

分析項(xiàng)目消耗的時(shí)間消耗，依托于line_profiler模塊，其可以計(jì)算出執(zhí)行每行代碼所需占用的CPU時(shí)間。

第1步：安裝line_profiler模塊，我是用pip安裝一直失敗，所以下載到本地進(jìn)行離線安裝，指令如下所示：

pip install .\line_profiler-3.0.2-cp37-cp37m-win_amd64.whl

安裝成功效果如下所示：

第2步：分析每行代碼的運(yùn)行時(shí)間，本案例Demo檢測(cè)for循環(huán)一萬(wàn)次累加和while循環(huán)一萬(wàn)次累加的時(shí)間，并進(jìn)行對(duì)比，實(shí)現(xiàn)代碼如下所示：

from line_profiler import LineProfiler
 
def operation1():
 num=0
 for i in range(10000):
  num += 1
 
def operation2():
 num=0
 while(num < 10000):
  num += 1
 
if __name__ == "__main__":
 lprofiler = LineProfiler(operation1,operation2)
 lprofiler.run('operation1()')
 lprofiler.run('operation2()')
 lprofiler.print_stats()

運(yùn)行程序，可見(jiàn)while循環(huán)速度稍微慢一些，效果如下所示：

2、分析空間耗時(shí)

memory_profiler模塊可實(shí)現(xiàn)對(duì)Python項(xiàng)目中每一個(gè)代碼的內(nèi)存消耗進(jìn)行分析和監(jiān)控。

第1步：安裝memory_profiler庫(kù)文件，指令如下所示：

pip install memory_profiler

安裝成功效果如下所示：

第2步：分析每行代碼的空間消耗，本案例Demo檢測(cè)for循環(huán)一萬(wàn)次累加和while循環(huán)一萬(wàn)次累加的消耗空間，并進(jìn)行對(duì)比，實(shí)現(xiàn)代碼如下所示：

from memory_profiler import profile
 
@profile
def operation1():
 num=0
 for i in range(10000):
  num += 1
 
@profile
def operation2():
 num=0
 while(num < 10000):
  num += 1
 
if __name__ == "__main__":
 operation1()
 operation2()

由于是簡(jiǎn)單運(yùn)算消耗的內(nèi)存是微乎其微的，效果如下所示：

本篇博文僅介紹以上兩種模塊，其實(shí)有更多有意思的模塊可以實(shí)現(xiàn)對(duì)程序的運(yùn)行時(shí)間和空間消耗的監(jiān)測(cè)，感興趣的朋友可以多多嘗試。

到此這篇關(guān)于利用4行Python代碼監(jiān)測(cè)每一行程序的運(yùn)行時(shí)間和空間消耗的文章就介紹到這了,更多相關(guān)python 監(jiān)測(cè)程序運(yùn)行時(shí)間空間消耗內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論