利用4行Python代码监测每一行程序的运行时间和空间消耗

Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言，其具有高可扩展性和高可移植性，具有广泛的标准库，受到开发者的追捧，广泛应用于开发运维（DevOps）、数据科学、网站开发和安全。然而，它没有因速度和空间而赢得任何称赞，主要原因是Python是一门动态类型语言，每一个简单的操作都需要大量的指令才能完成。

所以这更加需要开发者在使用Python语言开发项目时协调好程序运行的时间和空间。

1、分析时间耗时

分析项目消耗的时间消耗，依托于line_profiler模块，其可以计算出执行每行代码所需占用的CPU时间。

第1步：安装line_profiler模块，我是用pip安装一直失败，所以下载到本地进行离线安装，指令如下所示：

pip install .\line_profiler-3.0.2-cp37-cp37m-win_amd64.whl

安装成功效果如下所示：

第2步：分析每行代码的运行时间，本案例Demo检测for循环一万次累加和while循环一万次累加的时间，并进行对比，实现代码如下所示：

from line_profiler import LineProfiler
 
def operation1():
 num=0
 for i in range(10000):
  num += 1
 
def operation2():
 num=0
 while(num < 10000):
  num += 1
 
if __name__ == "__main__":
 lprofiler = LineProfiler(operation1,operation2)
 lprofiler.run('operation1()')
 lprofiler.run('operation2()')
 lprofiler.print_stats()

运行程序，可见while循环速度稍微慢一些，效果如下所示：

2、分析空间耗时

memory_profiler模块可实现对Python项目中每一个代码的内存消耗进行分析和监控。

第1步：安装memory_profiler库文件，指令如下所示：

pip install memory_profiler

安装成功效果如下所示：

第2步：分析每行代码的空间消耗，本案例Demo检测for循环一万次累加和while循环一万次累加的消耗空间，并进行对比，实现代码如下所示：

from memory_profiler import profile
 
@profile
def operation1():
 num=0
 for i in range(10000):
  num += 1
 
@profile
def operation2():
 num=0
 while(num < 10000):
  num += 1
 
if __name__ == "__main__":
 operation1()
 operation2()

由于是简单运算消耗的内存是微乎其微的，效果如下所示：

本篇博文仅介绍以上两种模块，其实有更多有意思的模块可以实现对程序的运行时间和空间消耗的监测，感兴趣的朋友可以多多尝试。