Есть ли простой способ проверить скрипт python?

Question

Есть ли простой способ проверить скрипт python?

обычно я использую команду оболочки time. Моя цель-проверить, являются ли данные небольшим, средним, большим или очень большим набором, сколько времени и памяти будет использоваться.

любые инструменты для linux или просто python, чтобы сделать это?

6 59

python shell unix benchmarking

6 ответов:

Я использую простой декоратор, чтобы время func

def st_time(func):
    """
        st decorator to calculate the total time of a func
    """

    def st_func(*args, **keyArgs):
        t1 = time.time()
        r = func(*args, **keyArgs)
        t2 = time.time()
        print "Function=%s, Time=%s" % (func.__name__, t2 - t1)
        return r

    return st_func

20

The timeit модуль был медленным и странным, поэтому я написал это:
def timereps(reps, func):
    from time import time
    start = time()
    for i in range(0, reps):
        func()
    end = time()
    return (end - start) / reps
пример:
import os
listdir_time = timereps(10000, lambda: os.listdir('/'))
print "python can do %d os.listdir('/') per second" % (1 / listdir_time)
для меня, он говорит:
python can do 40925 os.listdir('/') per second
это примитивный вид бенчмаркинга, но это достаточно хорошо.

9

Я обычно делаю быстрый time ./script.py чтобы увидеть, сколько времени это займет. Это не показывает вам память, хотя, по крайней мере, не по умолчанию. Вы можете использовать /usr/bin/time -v ./script.py получить много информации, включая использование памяти.

9

посмотреть нос и на одном из своих плагинов,этот в частности.

после установки, нос-это скрипт в вашем пути, и что вы можете вызвать в каталоге, который содержит некоторые скрипты python:
$: nosetests
это будет выглядеть во всех файлах python в текущем каталоге и будет выполнять любую функцию, которую он распознает как тест: например, он распознает любую функцию со словом test_ в ее имени как A тест.

так что вы можете просто создать скрипт python под названием test_yourfunction.py и написать что-то вроде этого в нем:
$: cat > test_yourfunction.py

def test_smallinput():
    yourfunction(smallinput)

def test_mediuminput():
    yourfunction(mediuminput)

def test_largeinput():
    yourfunction(largeinput)
тогда вы должны бежать
$: nosetest --with-profile --profile-stats-file yourstatsprofile.prof testyourfunction.py
и чтобы прочитать файл профиля, используйте эту строку python:
python -c "import hotshot.stats ; stats = hotshot.stats.load('yourstatsprofile.prof') ; stats.sort_stats('time', 'calls') ; stats.print_stats(200)"

3

профилировщик памяти для всех ваших потребностей в памяти.

https://pypi.python.org/pypi/memory_profiler

запустите pip install:
pip install memory_profiler
импорт библиотеки:
import memory_profiler
добавьте декоратор к элементу, который вы хотите профилировать:
@profile
def my_func():
    a = [1] * (10 ** 6)
    b = [2] * (2 * 10 ** 7)
    del b
    return a

if __name__ == '__main__':
    my_func()
выполнить код:
python -m memory_profiler example.py
получить вывод:
 Line #    Mem usage  Increment   Line Contents
 ==============================================
 3                           @profile
 4      5.97 MB    0.00 MB   def my_func():
 5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
 6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
 7     13.61 MB -152.59 MB       del b
 8     13.61 MB    0.00 MB       return a
примеры взяты из документов, связанных выше.

2

exhuma · Accepted Answer · 2017-05-23 15:26:35

посмотреть timeit,профилировщик python и pycallgraph.

timeit
def test():
    """Stupid test function"""
    lst = []
    for i in range(100):
        lst.append(i)

if __name__ == '__main__':
    import timeit
    print(timeit.timeit("test()", setup="from __main__ import test"))
по существу, вы можете передать его код python в качестве строкового параметра, и он будет выполняться в указанное количество раз и выводит время выполнения. Важные биты из документов:

timeit.timeit(stmt='pass', setup='pass', timer=<default timer>, number=1000000)

создать Timer экземпляр с заданными заявление,настройка код и таймер казни.

... и:

Timer.timeit(number=1000000)

времени выполнение основного утверждения. Это выполняет установку заявление один раз, а затем возвращает время, необходимое для выполнения основных заявление ряд время, измеренное в секундах как поплавок. Аргумент-это число раз через цикл, по умолчанию равное единице миллион. Основной оператор, оператор настройки и функция таймера используемые передаются в конструктор.

Примечание

по умолчанию timeit временно выключается garbage collection в ходе времени. Преимущество такого подхода заключается в том, что это делает независимые тайминги более сопоставимыми. Этот недостаток что ГС может быть важным компонентом деятельности измеряемая функция. Если это так, GC может быть повторно включен в качестве первого заявление в настройка строку. Например:

timeit.Timer('for i in xrange(10): oct(i)', 'gc.enable()').timeit()

профилирования

профилирование даст вам много более детальное представление о том, что происходит. Вот "мгновенный пример" от официальные документы:
import cProfile
import re
cProfile.run('re.compile("foo|bar")')
что даст вам:
      197 function calls (192 primitive calls) in 0.002 seconds

Ordered by: standard name

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1    0.000    0.000    0.001    0.001 <string>:1(<module>)
     1    0.000    0.000    0.001    0.001 re.py:212(compile)
     1    0.000    0.000    0.001    0.001 re.py:268(_compile)
     1    0.000    0.000    0.000    0.000 sre_compile.py:172(_compile_charset)
     1    0.000    0.000    0.000    0.000 sre_compile.py:201(_optimize_charset)
     4    0.000    0.000    0.000    0.000 sre_compile.py:25(_identityfunction)
   3/1    0.000    0.000    0.000    0.000 sre_compile.py:33(_compile)
обе эти модули должны дать вам представление о том, где искать узкие места.

кроме того, чтобы справиться с выходом profile посмотри этот пост

pycallgraph

модуль использует graphviz для создания callgraphs, таких как следующее:

вы можете легко увидеть, какие пути используются больше всего времени по цвету. Вы можете либо создать их с помощью API pycallgraph, либо с помощью упакованного скрипта:
pycallgraph graphviz -- ./mypythonscript.py
накладные расходы довольно значительны. Таким образом, для уже длительных процессов создание графика может занять некоторое время.