Агрегирование времени выполнения кода в Python

В Python существует множество способов узнать, сколько времени занимает функция. Вот простая реализация декоратора для проверки того, сколько времени занимает функция.

from functools import wraps
import time


def timeit(func):
    @wraps(func)
    def timeit_wrapper(*args, **kwargs):
        start_time = time.perf_counter()
        result = func(*args, **kwargs)
        end_time = time.perf_counter()
        total_time = end_time - start_time
        print(f'Function {func.__name__}{args} {kwargs} took {total_time:.4f} seconds')
        return result
    return timeit_wrapper

@timeit
def my_func():
    # do stuff

Этот декоратор можно использовать, украшая функцию, чтобы получить затраченное время.
Что если вы хотите агрегировать эти данные по времени во временном интервале, например, сколько раз была вызвана эта функция, и какое максимальное время было затрачено, для этого нам нужно использовать библиотеку под названием codetiming.
Вот пример использования:

# pip install codetiming
# pip install humanfriendly
from codetiming import Timer
from humanfriendly import format_timespan
from loguru import logger


@Timer(name="my_func", text=lambda secs: f"my_func elapsed time: {format_timespan(secs)}")
def my_func():
    ...

def get_aggregated_timings(cls):
    timed_function = "my_func"
    logger.info(
        f"n{timed_function} count: {Timer.timers.count(timed_function)}n"
        f"total: {Timer.timers.total(timed_function)}n"
        f"max: {Timer.timers.max(timed_function)}n"
        f"min: {Timer.timers.min(timed_function)}n"
        f"mean: {Timer.timers.mean(timed_function)}n"
        f"standard deviation: {Timer.timers.stdev(timed_function)}n"
        f"median: {Timer.timers.median(timed_function)}n"
    )
    Timer.timers.clear()  # clears all the timer data

Это позволит найти суммарное время, затраченное my_func. Давайте пройдемся по тому, что каждый из них будет записывать в журнал:

• count: Количество раз, когда функция была вызвана.
• total: Сумма всех секунд, затраченных на выполнение функции.
• max: Максимальное время, затраченное на один поток
• min: Минимальное время, затраченное на один поток
• mean: Среднее значение всех затрат времени на данную функцию
• медиана: Медиана всего прошедшего времени
• stdev: Стандартное отклонение всего прошедшего времени.

В конце Timer.timers.clear() очищает данные, хранящиеся в памяти, и начинает все с чистого листа для следующей итерации.

Если вы хотите использовать LRU-кэш в памяти с таймаутом, вы можете ознакомиться с этой статьей:

Функции кэша с таймаутом

Я пишу о программировании на Python в своем Twitter, вы можете следить за мной @soumendrak_.

Originally posted at: мой блог