python爬虫可行性分析,Python 性能分析
在性能创建过程完成后,通常需要考虑时间和空间复杂性。随着内存的增加和服务器计算能力的提高,通常不会出现时间和空间不符合要求的问题。另一方面,在特定场景下,服务接口需要考虑请求的响应速度,移动设备需要考虑内存空间的大小。Python还提供了一些用于性能测试的标准库。
它计时。用于测量几个代码片段的执行时间。算法的基本思想是多次执行,从中选取最小的平均值。
多次循环代码(number,-n)以获得足够的统计时间;多次重复以上步骤,-r(获取足够的统计样本;从以上步骤的结果中选取时间最长的样本,计算单词的平均值。python-mtime it-n10-R3-s import time time . sleep 10次循环,每次循环最好3: 1秒
上述命令总结了以下两个过程:
它。time it time it.repeatprofile模块测量正在运行的函数的执行时间和调用时间。
defsum(m):对于范围(m)中的I,n=0m):n=ireturn ndef main)):对于范围(3)中的I:sum)1000000
python-MC profile-scumtimetest . py
参数的含义:
调用ncalls的次数:sddxs:总执行时间precall:sddxs/ncallscumtime:子函数per call:cum time/NCALLSLINE _ Profiler Line _ Profile
首先,安装:pip安装line_profiler
deftest(n):a=[]for I in range(n)n):a . extend([1]*(10 * * 6))return adef run):a=test(2()
行:函数命中的源代码的行号:执行次数:每次命中的总执行次数:字执行的平均时间%时间:占总时间的百分比行内容:源代码内存_ profiler内存
首先,安装:pip安装memory _ profiler
@ profiled eftest(:a=[1]*(10 * * 6)b=[2]*)2 * 10 * * 7)delbreturnaif _ _ name _= _ maii))
Mem使用量:运行程序后,解释器的总内存使用量增加:前一行的内存使用量增加;请参见timeit profile line _ profiler memory _ profiler。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。