python实战08_多线程性能分析(装饰器和chromeTrace)

多线程开发时，需要进行性能分析时，希望查看各线程（进程的执行时序图）
类似如下效果

转化脚本和使用方法

如下代码将在error.log（添加到debug.log可能更合理）中添加部分日志,当然,生成的日志无法直接用chrome tracing绘制时序图，但经过转化脚本后则可以

使用方式01，装饰器

1
2
3

@cal_time(name=xx)
def func_run(txt):
    print('txt:%s' % txt)

使用方式02，直接使用

仅仅使用如上方式，可以在日志中得到func的开始和结束时间
需要转为chrome trace支持的数据格式，进行进一步分析

转化脚本

借助如下sed脚本可以将数据转为chrome trace支持的格式

转换格式后如下

[ 
    {"name": "出方案", "ph": "B", "pid": "Main", "tid": "工作", "ts": 0},
    {"name": "出方案", "ph": "E", "pid": "Main", "tid": "工作", "ts": 28800000000}, 
    {"name": "看电影", "ph": "B", "pid": "Main", "tid": "休闲", "ts": 28800000000},
    {"name": "看电影", "ph": "E", "pid": "Main", "tid": "休闲", "ts": 32400000000},
    {"name": "写代码", "ph": "B", "pid": "Main", "tid": "工作", "ts": 32400000000},
    {"name": "写代码", "ph": "E", "pid": "Main", "tid": "工作", "ts": 36000000000},
    {"name": "遛狗", "ph": "B", "pid": "Main", "tid": "休闲", "ts": 36000000000},
    {"name": "遛狗", "ph": "E", "pid": "Main", "tid": "休闲", "ts": 37800000000}
]

使用chrome tracing分析

使用chrome tracing分析
效果示意图:

可以统计出总时间区间个数，最大值，最小值和平均时间等信息

另一个例子:一个大方法内部各子步骤时序图样例

参考

多线程程序性能分析：none
多线程程序性能分析工具：none
vtune性能分析工具–找出程序性能瓶颈：https://blog.csdn.net/pzhw520hchy/article/details/79823038
valgrind的callgrind工具进行多线程性能分析：https://www.cnblogs.com/zengkefu/p/5642991.html
python多线程程序性能分析工具：none
python多线程性能分析：none
python中如何理解装饰器代码？：https://www.zhihu.com/question/65229244
强大的可视化利器 Chrome Trace Viewer 使用详解:https://limboy.me/2020/03/21/chrome-trace-viewer/

python实战系列
python实战02异常报错
 python实战04常见坑
 python实战05文件路径(找不到文件)
python实战06多线程bug处理记录
 python实战07调试pdb
python实战08多线程性能分析(装饰器和chromeTrace)
python实战10pytest测试和覆盖率

本文标题：python实战08_多线程性能分析(装饰器和chromeTrace)
本文作者：yuanjh
本文链接：https://hexo.yuanjh.cn/hexo/3f12bc0f/
发布时间：2020-08-29
版权声明：本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明出处！

# 07通用技术/python/python实战

python实战08_多线程性能分析(装饰器和chromeTrace)

转化脚本和使用方法

转化脚本

使用chrome tracing分析

参考

目录

链接

分类

最新文章

Your browser is out-of-date!