分析异步Python

介绍

应用程序分析是一个分析程序以确定其特征的过程：执行时间不同的代码零件和资源用法。

测量执行时间
1. 。执行不同的代码零件需要多少时间？
分析内存使用
2. 。程序的不同部分消耗了多少内存？识别瓶颈
。代码的哪些部分减慢了程序或使用太多资源？
3. >>性能优化
。采取措施根据获得的数据提高执行速度和资源利用效率。
4. 有限数量的异步代码的特定瓶颈。让我们将每种类型与代码示例匹配。
>

import asyncioimport timeasync def main():    print('start')    # blocking call    time.sleep(3)  # this blocks the entire event loop    print('end')asyncio.run(main())

import asyncioimport aiohttpasync def fetch(session, url):    async with session.get(url) as response:        return await response.text()async def main():    urls = ["http://medium.com"] * 10    async with aiohttp.clientsession() as session:        # inefficient: sequential requests        for url in urls:            await fetch(session, url)asyncio.run(main())

import asyncioasync def tiny_task():    await asyncio.sleep(0.0001)async def main():    # excessive context switching due to many small tasks    await asyncio.gather(*(tiny_task() for _ in range(100000)))asyncio.run(main())

import asyncioasync def long_running_task():    await asyncio.sleep(10)    print("long task executed")async def quick_task(): await asyncio.sleep(1)    print("quick task executed")async def main():    await asyncio.gather(        long_running_task(),        quick_task()  # may be delayed excessively    )asyncio.run(main())

import asyncioasync def large_data_task():    data = "lorep ipsum" * 10**8  # large memory usage    await asyncio.sleep(1)async def main():    tasks = [large_data_task() for _ in range(100)]  # high memory consumption    await asyncio.gather(*tasks)asyncio.run(main())

>确定性剖析师

36277728875

>您可以立即看到问题线，并立即阻止呼叫 - python的2％，在系统呼叫中的98％的时间。

顺序调用异步任务

>这里有点复杂。您可以看到90％的时间用于系统调用，但是该行已更改 - 现在它是本身。最好是记住这种剖面输出的模式。

过度上下文切换

我们看到内存消耗如何在>中增长 - 任务的“拆分”太贪婪了。

> 资源饥饿

再次，系统与python的时间比不支持python操作。>

在这里，斯卡琳为我们做了一切，并立即向我们展示了有问题的代码。>

结论

>应该注意的是，对于三种情况 - “

立即学习“Python免费学习笔记（深入）”；

”，“

>”和“> resource starvation

如果您知道瓶颈的主要类型，并且准备仔细阅读profiler输出，那么python并不是一项艰巨且相当令人愉快的任务。

>