Python功能点实现:函数级/代码块级计时器
工程中我们常常需要对某一个函数或者一块代码计时，从而监测系统关键位置的性能。计时方法是在代码块前后分别记录当前系统时间，然后两者相减得到代码块的耗时。最简单原始的实现类似：
from datetime import datetime
start = datetime.now()
# some code you want to measure
end = datetime.now()
print("Processing time for {} is: {} seconds".format('You Name It', elapse))
这种方式缺点明显：假如系统内有很多地方都需要计时，那么每个地方都需要插入这样的计时代码，首先是重复性工作很麻烦，其次这样会降低代码的可读性，干扰对业务逻辑的理解。本文将给出一些更好的实现，主要涉及的技术是装饰器（Decorator）和运行时上下文（runtime context）。
基于装饰器的函数级计时器
第一种计时器是比较常见的函数级计时器，通过装饰器完成，将原函数改装成拥有计时功能的新函数，使其可以完成运行原来函数和计时两件事。在使用时，只用在需要计时功能的函数代码前加上类似@timer的语法糖，这样每次调用原函数时，运行的将会是新函数。这样就大大减少了重复性劳动。
具体实现如下：
from datetime import datetime
def timer(func):
'''Function Level Timer via Decorator'''
def timed(*args, **kwargs):
start = datetime.now()
result = func(*args, **kwargs)
end = datetime.now()
elapse = (end - start).total_seconds()
print("Processing time for {} is: {} seconds".format(func.__name__, elapse))
return result
return timed
@timer
def test_1(a):
'''Function Level'''
a *= 2
return a
if __name__ == '__main__':
print(test_1(1))
基于上下文的代码块级计时器
装饰器实现的计时器可以为函数添加计时功能，可以满足大部分情况的需要，但是假如我们想要更灵活一些，对任意一段连续的代码块做计时，怎样做？使用原始的插计时代码的方法显然不是我们想要的；也可以将代码块重构成一个函数，再在上面加装饰器，然而这就显得不够优雅。因此我做出了下面的实现。
首先了解上下文管理的概念。大致是说Python中允许创建一种叫上下文管理器（Context Manager）的对象，它可以管理一个代码块执行时的上下文信息。具体的方法是创建一个类，并为其实现object.__enter__和object.__exit__方法，前者在进入代码块时自动执行，后者在完成代码块执行时自动执行。
在使用时，通过with和as关键字，将__enter__的返回值绑定到某一个变量名，这个返回值里可以储存代码块运行过程中得到的一些信息，在这里就是运行时间啦。具体的实现是创建一个计时器类Timer，在enter时记录代码块运行的开始时间，exit时记录完成时间、计算并储存耗时到Timer实例中。在使用时，将with Timer() as t加到要计时的代码块前面，t.elapse中将会储存代码块耗时，可以任意使用。
在这个基础上，我们还可以做出一个装饰器timer_来实现基于上下文的函数级计时器。
具体实现如下：
class Timer(object):
'''Code Block Level Timer via Context'''
def __enter__(self):
self.start = datetime.now()
return self
def __exit__(self, *args):
self.end = datetime.now()
self.elapse = (self.end - self.start).total_seconds()
def timer_(func):
'''Function Level Timer via Context & with Statement'''
def timed(*args, **kw):
with Timer() as t:
result = func(*args, **kw)
print("Processing time for {} is: {} seconds".format(func.__name__, t.elapse))
return result
return timed
def test_2(a):
'''Code Block Level'''
with Timer() as t:
a *= 2
print("Processing time for {} is: {} seconds".format('You Name It', t.elapse))
return a
@timer_
def test_3(a):
'''Function Level'''
a *= 2
return a
if __name__ == '__main__':
print(test_2(2))
print(test_3(3))
更灵活的实现
更优雅地，我们还可以使用contextlib自带的ContextDecorator，参考官方示例，做出既可以with又可以作为装饰器的计时器timer_elegant：
from datetime import datetime
from contextlib import ContextDecorator
class timer_elegant(ContextDecorator):
'''Elegant Timer via ContextDecorator'''
def __init__(self, name):
self.name = name
def __enter__(self):
self.start = datetime.now()
def __exit__(self, *args):
self.end = datetime.now()
self.elapse = (self.end - self.start).total_seconds()
print("Processing time for {} is: {} seconds".format(self.name, self.elapse))
@timer_elegant('test_4')
def test_4(a):
a *= 2
return a
def test_5(a):
a *= 2
return a
if __name__ == '__main__':
print(test_4(4))
with timer_elegant('test 5'):
result_5 = test_5(5)
print(result_5)
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接
相关文章
这篇文章主要为大家详细介绍了python运用sklearn实现KNN分类算法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-10-10
在本篇文章里小编给大家整理的是关于python中pickle模块的基础知识点内容，有兴趣的朋友们可以学习下。2020-12-12
这篇文章主要介绍了Python绘制雷达图时遇到的坑的解决，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-04-04
用Python做数据分析光是掌握numpy和matplotlib可不够，numpy虽然能够帮我们处理处理数值型数据，但很多时候，还有字符串，还有时间序列等，比如：我们通过爬虫获取到了存储在数据库中的数据，一些Pandas必会的用法，让你的数据分析水平更上一层楼2021-08-08
这篇文章主要介绍了python包实现time时间管理操作，文章通过获取当前时间戳，即当前系统内表示时间的一个浮点数，下文更多相关内容需要的小伙伴可以参考一下2022-04-04
Python提供了多种库和工具,使得创建和定制3D曲面图变得简单,本文将介绍如何使用Matplotlib和mpl_toolkits.mplot3d库绘制3D曲面图,感兴趣的可以了解下2024-04-04
这里我们将来详解Python中的Descriptor描述符类,包括定义描述符并展示如何调用描述符,需要的朋友可以参考下2016-06-06
这篇文章主要介绍了详解python多线程、锁、event事件机制的简单使用，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-04-04
这篇文章主要给大家介绍了关于pytorch学习教程之自定义数据集的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-11-11
这篇文章主要介绍了解决jupyter (python3) 读取文件遇到的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
最新评论