django性能监测工具silk使用方法（初级）

django-silk介绍

web开发过程中，经常要掌握程序的性能状况，遇到性能瓶颈还要进行进一步的分析，如执行时间、网络耗时、数据库连接时间等；如果你是基于django框架开发，那接下来，那么django-silk将会成为你的得力助手。

---

环境需求

• Django: 1.11, 2.0
• Python: 2.7, 3.4, 3.5, 3.6

安装

django-silk地址：
https://github.com/jazzband/django-silk

# pip install -U django-silk

如果你的python版本是3.x，则使用pip3 install -U django-silk

提示：建议使用virtualenv进行开发包的管理

# virtualenv --system-site-packages -p python3 自定义名称
# source 自定义名称/bin/activate

配置

在settings.py文件中加入如下内容：

INSTALLED_APPS = (
    ...
    'silk'
)

MIDDLEWARE = [
    ...
    'silk.middleware.SilkyMiddleware',
    ...
]

在url.py中加入

urlpatterns += [url(r'^silk/', include('silk.urls', namespace='silk'))]

然后生成silk用的相关数据库表

python manage.py makemigrations

python manage.py migrate

python manage.py collectstatic

如果settings.py中没有配置过STATIC_ROOT，在执行“python manage.py collectstatic”的时候，有可能会报错，提示缺少STATIC_ROOT配置。加上即可。如：STATIC_ROOT = BASE_DIR。

在这之后，就可以使用silk了。

查看性能报告

启动项目：

python manage.py runserver

访问：项目网址/silk（如：http://127.0.0.1:8080/silk），可以看到silk自带的页面，如下：

通过页面，我们可以看到很多GET、POST请求，以及各种数字。代表silk可以记录的数据

• 所用时间（Time taken）
• 数查询（Num. queries）
• 查询花费的时间（Time spent on queries）
• 请求/响应标头（Request/Response headers）
• 请求/响应正文（Request/Response bodies）

点击相关请求还可以获得有关每个请求的更多详细信息：

如图例，本次请求的method是POST，访问的url是/admin/，总耗时793毫秒，查询花费2毫秒，共7次查询。如果你想看具体每次查询的内容，可以点击页面左上方的SQL，继而可以看到所有的查询，以及每次查询的消耗时间。

如果你想查看SQL具体都执行了什么代码，可以点击继续深入

如果你想查看查询的过程哪个环节耗费了多少时间，请进入Profiling。需要我们在setting.py中配置

# 使用Python的内置cProfile分析器
SILKY_PYTHON_PROFILER = True
# 生成.prof文件，silk产生的程序跟踪记录，详细记录来执行来哪个文件，哪一行，用了多少时间等信息
SILKY_PYTHON_PROFILER_BINARY = True
# .prof文件保存路径（最好不要像我这样设置在项目目录中）
# 如果没有本设置，prof文件将默认保存在MEDIA_ROOT里
SILKY_PYTHON_PROFILER_RESULT_PATH = os.path.join(BASE_DIR, 'logs')

经过上述设置后，每次请求都会生成一个prof文件，而且名称无意义。所以我们进行性能分析时一定要及时分析，否则回头再找prof文件，就会比较麻烦，不过，也没有那么麻烦。

这些信息在页面中也可以查看，不是必须要生成prof文件。

.prof是二进制文本文件，一般的编辑器看不到可读内容。所以我们需要借助一些工具。我使用的是SNAKEVIZ。

SNAKEVIZ

安装

# pip install -U snakeviz

查看prof

# snakeviz /path/to/your/program.prof

记录

记录profiling的时候，我们需要给每个请求起个名字，作为标识

from silk.profiling.profiler import silk_profile
...
@silk_profile(name='View Blog Post')  # name=你自己设置的请求标识
def post(request, post_id):
    p = Post.objects.get(pk=post_id)
    return render_to_response('post.html', {
        'post': p
    })
...

还有一种方法，可以查看具体某一个数据库操作的性能

def post(request, post_id):
    with silk_profile(name='View Blog Post #%d'%self.pk):
    p = Post.objects.get(pk=post_id)
    return render_to_response('post.html', {
        'post': p
    })

然后就可以探索了。
进一步的使用方法的心得，以后再记录

参考一篇SnakeViz GitHub的中文翻译：
https://www.helplib.com/GitHub/article_118718