分析异步Python

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 asyncio
import time

async def main():
    print('start')
    # blocking call
    time.sleep(3)  # this blocks the entire event loop
    print('end')

asyncio.run(main())

import asyncio
import aiohttp

async 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 asyncio

async 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 asyncio

async 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 asyncio

async 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

• 统计剖面。普通代表是鳞状，py-spy，yappi，pyinsprument，奥斯汀。这样的探索者以某种频率进行了该过程的“快照”，并应用了统计分析的方法来搜索瓶颈。

  -
• 使用鳞片进行分析

  为什么要鳞？因为此工具允许分析cpu和内存，因此在github上具有10k 星星，并且该项目正在积极开发。 >让我们看看上面列表中每个“有问题”代码的scalene所说的。

  >
我们将像这样运行斜角：

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。

>