Python 函數調用效能記錄

標籤：form   今天   理解   變數   記憶體   timer   round   pytho   print   

之前用 JS 寫項目的時候，項目組用的組件模式，一直感覺很不錯。最近用 Python 做新項目，項目結構也延續了組件模式。一直沒有對函數調用的效能作瞭解，今天突發奇想測試了一下，寫了一些測試代碼

 

首先定義了幾個 class ：

class A(object):    def test(self):        passclass B(object):    def __init__(self):        self.a = A()    def test(self):        passclass C(object):    def __init__(self):        self.b = B()    def test(self):        passclass D(object):    def __init__(self):        self.c = C()    def test(self):        pass

 

對比1：

直接調用執行個體對象身上的方法 和 使用變數緩衝該方法然後調用

n = 10000000import timeita = A()t_direct = timeit.Timer(‘a.test()‘, ‘from __main__ import a‘).timeit(n)print ‘direct call func : ‘, t_directcache = a.testt_cache = timeit.Timer(‘cache()‘, ‘from __main__ import cache‘).timeit(n)print ‘cache func call  : ‘, t_cacheprint ‘ performance : ‘, (t_cache / t_direct)

 

嘗試多次後得出該情況下的時間結論：

direct call func :  1.14136314392cache func call  :  0.745277881622 performance :  0.652971743123

緩衝方法之後再調用，效能大約能提升 35%

調用函數時，python 會臨時建立一個對象，比如直接調用函數 a.test() 時，python 會執行如下步驟：

1: temp = a.test

2: temp()

3: del temp

所以頻繁調用時，效能上是一個問題。記憶體上應該也是一個問題，感覺會更加頻繁的觸發 gc

 

對比2：

通過成員變數多層調用一個函數，和直接調用對象身上的函數的效能差

t0 = timeit.Timer(‘d.test()‘, ‘from __main__ import d‘).timeit(n)print ‘0 level:  ‘, t0t1 = timeit.Timer(‘d.c.test()‘, ‘from __main__ import d‘).timeit(n)print ‘1 level:  ‘, t1, ‘    : ‘, (t1 / t0) * 100t2 = timeit.Timer(‘d.c.b.test()‘, ‘from __main__ import d‘).timeit(n)print ‘2 level:  ‘, t2, ‘    : ‘, (t2 / t1) * 100, ‘    ‘, (t2 / t0 * 100)t3 = timeit.Timer(‘d.c.b.a.test()‘, ‘from __main__ import d‘).timeit(n)print ‘3 level:  ‘, t3, ‘    : ‘, (t3 / t2) * 100, ‘    ‘, (t3 / t0 * 100)

 

嘗試多次後得出該情況下的時間結論：

0 level:   1.26769399643

1 level:   1.50338602066     :  118.592185882

2 level:   1.74297595024     :  115.936687337      137.491851752

3 level:   1.87865877151     :  107.784549251      148.194972667

基本上，函數調用層次多一層，效能消耗會多 5% 到 15% 左右

這個暫時無法詳細的解答。手上也沒有 JS 的測試資料，不確定當時 js 些寫項目的時候，是否也存在這個效能問題。

 

之前碰到一些項目的結構是，寫的時候分成了多個檔案來寫，但是最後啟動並執行時候，會把這多個檔案中定義的 屬性、函數都彙總到一個 class 身上，成為一個巨無霸級的 class。一直不理解這麼做的意義是什麼，感覺很臃腫，現在看來 估計為了減少函數調用的層次，提高效能。

 

Python 函數調用效能記錄