Yappi的使用

最近要在项目里加入profiler，选择了yappi。

import yappi
import greenlet
import functools
import re
import datetime

profiler = None
in_profile = False


class Profiler(object):
    def __init__(self):
        yappi.set_clock_type("cpu")
        yappi.set_context_id_callback(lambda: id(greenlet.getcurrent()))
        yappi.set_context_name_callback(
            lambda: greenlet.getcurrent().__class__.__name__
            )

    def __call__(self, func):
        @functools.wraps(func)
        def wrapper(*args, **kwds):
            try:
                yappi.clear_stats()
                yappi.start(builtins=True, profile_threads=False)
                return func(*args, **kwds)
            finally:
                yappi.stop()
                stats = yappi.convert2pstats(yappi.get_func_stats())
                outFile = \
                    '_'.join(re.split('-|:|\.| ', str(datetime.datetime.now())))
                stats.dump_stats(
                    '/tmp/profile_{}_{}'.format(func.__name__, outFile))
                stats.sort_stats("cumulative")
                stats.print_stats()
                stats.sort_stats("tottime")
                stats.print_stats()
        return wrapper


def get_profiler():
    global profiler
    if profiler is None:
        profiler = Profiler()
    return profiler


def set_profile():
    global in_profile
    in_profile = True


def is_in_profile():
    return in_profile

在使用的可以使用get_profiler()这个函数来获得一个装饰器，把这个装饰器放到你要profile的函数上面，就可以对这个函数进行CPU耗时的profile啦。

这个装饰器在做profile的时候不光会在屏幕上打印一些profile的数据，还会以pstats的格式将这些profile写入/tmp/profile_xxx的一些文件中，注意，每个函数都是一个文件哦。你可以根据自己的需要来对这些功能进行取舍，或者改动出你自己的版本。