zoukankan      html  css  js  c++  java
  • Python, Django 性能分析工具的使用

    最近接手的 Apache HUE 项目性能出现了问题,线上经常出现响应时间过长或因为时间过长而无法服务等问题.老大让我准备弄个性能分析工具,便于追踪和分析平台当前的瓶颈出现在哪里.
    那就搞起吧!先从代码性能分析入手.本篇博客分享的也是代码层面的性能分析.
    之前用过的就有 debug_toolbar 插件. 这款插件主要可以用来DB查询语句及耗时时间,具体的文档详见:
    Django Debug Toolbar
    其有详细的安装配置教程.笔者使用的 HUE 是 基于 Django 1.6 的, 用最新版本的 toolbar 出现了兼容性问题.没办法,既然用不起来,就找个可以使用的版本吧.这里使用的是 django-debug-toolbar==1.3.2, 其依赖的一个库是sqlparse==0.1.9.
    安装完成后,我们需要在 Odeon 中做下集成.

    1. 在 INSTALLED_APPS 中添加 debug_toolbar APP:
    INSTALLED_APPS = (
        # ...
        'django.contrib.staticfiles',
        # ...
        'debug_toolbar',
    )
    
    1. 在 MIDDLEWARE_CLASSES 中添加 debug_toolbar 中间件:
    MIDDLEWARE_CLASSES = (
        # ...
        'debug_toolbar.middleware.DebugToolbarMiddleware',
        # ...
    )
    
    1. 在 urls.py 中添加 debug_toolbar 的 URLs:
    from django.conf import settings
    from django.conf.urls import include, patterns, url
    
    if settings.DEBUG:
        import debug_toolbar
        urlpatterns += patterns('',
            url(r'^__debug__/', include(debug_toolbar.urls)),
        )
    

    说明: Odeon 的 url位置是 desktop/core/src/desktop/urls.py

    1. 配置 Internal IPs:

    Debug Toolbar 仅仅会在你指定的 IP 中展示,而我们指定需要展示的 IP可以在 INTERNAL_IPS 参数中配置。我这里的配置如下:

      INTERNAL_IPS = [
          '127.0.0.1',
          '192.168.5.20'
      ]
    

    如果不指定, 其默认是 127.0.0.1
    配置好之后,就可以使用了.
    使用图例1
    使用图例2
    这款插件还可以分析内存使用情况.具体自己 Google 就可以啦.
    接下来,我们需要去分析 Django 中哪块比较耗时.怎么办呢? 在 Python 官网上面,看到了 cProfile:
    Python cProifle 文档
    其可以展示出本次执行每个模块耗时时间,还可以支持排序, 返回数据条数等参数.感觉厉害,那就用起来. 在使用前,为了避免重复造轮子,看下 git 上有没有人已经做了这么一个中间件.果然!很多嘛!
    Django Profile
    Django Profile Middleware
    我借助了其中的一个,自己改改就用起来了.详情可以见下面的截图:
    cProfile 使用1
    cProfile 使用2
    至此,基本上算是结束了.但是,就在不经意间, 笔者发现了更好用的.哈哈!
    接下来要分享的就是 KCacheGrind + django-extension 的使用.
    django-extensions 的代码和文档见下:
    Django extensions代码
    django-extensions 文档
    我使用的是其中的 profile 模块:
    django-extensions profiler

    通过生成 prof 文件后,我们可以借助 KCacheGrind 来查看具体的图形化信息,很直观的可以展示出调用和耗时信息.KCacheGrind 的安装在这里就不啰嗦了.直接上运行结果图:
    kCacheGrind_01
    kCacheGrind_02
    kCacheGrind_03
    看起来感觉更直观了.但是,KCacheGrind 虽然功能强大,但其输出的分析树貌似并不完整.不过够用了.
    <<Python高性能编程>> 一书中,还提到了其他的一些 profile 类库:

  • 相关阅读:
    初识RabbitMQ
    ThreadPoolExecutor中execute和submit的区别
    MYSQL bin_log 开启及数据恢复
    MYSQL 悲观锁和乐观锁简单介绍及实现
    linux php多版本
    easyui汉化啊!
    虚化技术的额外开销
    拍脑袋空想不可能有创新
    大规模WEB服务技术
    xunsearch bsd 10.1安装心酸路。。。
  • 原文地址:https://www.cnblogs.com/scharfsinnig/p/7406696.html
Copyright © 2011-2022 走看看