آموزش بنچ مارکینگ و پروفایل در همزمانی پایتون

آموزش بنچ مارکینگ و پروفایل در همزمانی پایتون

پیشنهاد ویژه : پکیج آموزش پروژه محور پایتون

بنچ مارکینگ چیست؟

بنچ مارکینگ چگونه کار می کند؟

ماژول پایتون برای بنچ مارکینگ

مثال

import timeit
import time
def functionA():
   print("Function A starts the execution:")
   print("Function A completes the execution:")
def functionB():
   print("Function B starts the execution")
   print("Function B completes the execution")
start_time = timeit.default_timer()
functionA()
print(timeit.default_timer() - start_time)
start_time = timeit.default_timer()
functionB()
print(timeit.default_timer() - start_time)

Function A starts the execution:
Function A completes the execution:
۰٫۰۰۱۴۵۹۹۴۹۵۵۱۴۱۷۵۹۴۲
Function B starts the execution
Function B completes the execution
۰٫۰۰۱۷۰۲۴۷۲۴۸۲۷۴۷۹۰۷۶

import random
import time

def timer_func(func):

   def function_timer(*args, **kwargs):
   start = time.time()
   value = func(*args, **kwargs)
   end = time.time()
   runtime = end - start
   msg = "{func} took {time} seconds to complete its execution."
      print(msg.format(func = func.__name__,time = runtime))
   return value
   return function_timer

@timer_func
def Myfunction():
   for x in range(5):
   sleep_time = random.choice(range(1,3))
   time.sleep(sleep_time)

if __name__ == '__main__':
   Myfunction()

خروجی

Myfunction took 8.000457763671875 seconds to complete its execution.

پروفایل چیست؟

cProfile – ماژول داخلی

مثال

def increment_global():

   global x
   x += 1

def taskofThread(lock):

   for _ in range(50000):
   lock.acquire()
   increment_global()
   lock.release()

def main():
   global x
   x = 0

   lock = threading.Lock()

   t1 = threading.Thread(target=taskofThread, args=(lock,))
   t2 = threading.Thread(target= taskofThread, args=(lock,))

   t1.start()
   t2.start()

   t1.join()
   t2.join()

if __name__ == "__main__":
   for i in range(5):
      main()
   print("x = {1} after Iteration {0}".format(i,x))

کد فوق در فایل thread_increment.py ذخیره می شود. اکنون کد را با cProfile در خط فرمان به صورت زیر اجرا کنید

(base) D:\ProgramData>python -m cProfile thread_increment.py
x = 100000 after Iteration 0
x = 100000 after Iteration 1
x = 100000 after Iteration 2
x = 100000 after Iteration 3
x = 100000 after Iteration 4
      ۳۵۷۷ function calls (3522 primitive calls) in 1.688 seconds

   Ordered by: standard name

   ncalls tottime percall cumtime percall filename:lineno(function)

   ۵ ۰٫۰۰۰ ۰٫۰۰۰ ۰٫۰۰۰ ۰٫۰۰۰ <frozen importlib._bootstrap>:103(release)
   ۵ ۰٫۰۰۰ ۰٫۰۰۰ ۰٫۰۰۰ ۰٫۰۰۰ <frozen importlib._bootstrap>:143(__init__)
   ۵ ۰٫۰۰۰ ۰٫۰۰۰ ۰٫۰۰۰ ۰٫۰۰۰ <frozen importlib._bootstrap>:147(__enter__)
   … … … …

• ncalls – تعداد فراخوانی ها را مشخص می کند
• tottime – کل زمان صرف شده در تابع داده شده است.
• percall – به ضریب tottime تقسیم بر ncalls اشاره دارد.
• cumtime – زمان تجمعی است که در این زیر مجموعه و همه زیرمجموعه ها صرف می شود. حتی برای توابع بازگشتی نیز دقیق است.
• percall – این ضریب زمان کومیت است که با فراخوانی ها تقسیم می شود.
• (filename:lineno(function – اساساً داده های مربوط به هر تابع را فراهم می کند.

منبع.

لیست جلسات قبل آموزش همزبانی در پایتون

1. آموزش همزمانی در برنامه نویسی پایتون
2. آموزش همزمانی در برنامه نویسی پایتون _ مقدمه
3. آموزش معماری سیستم و حافظه در برنامه نویسی پایتون
4.  آموزش رشته ها در همزمانی پایتون 
5. آموزش پیاده سازی رشته در همزمانی پایتون
6. آموزش همگام سازی رشته ها در همزمانی پایتون
7. آموزش ارتباط رشته ها در همزمانی پایتون
8. آموزش تست برنامه های رشته در همزمانی پایتون
9. اشکال زدایی از برنامه های رشته در همزمانی پایتون