之前用 JS 写项目的时候,项目组用的组件模式,一直感觉很不错。最近用 Python 做新项目,项目结构也延续了组件模式。一直没有对函数调用的性能作了解,今天突发奇想测试了一下,写了一些测试代码
首先定义了几个 class :
classA(object):deftest(self):pass
classB(object):def __init__(self):
self.a=A()deftest(self):pass
classC(object):def __init__(self):
self.b=B()deftest(self):pass
classD(object):def __init__(self):
self.c=C()deftest(self):pass
对比1:
直接调用实例对象身上的方法 和 使用变量缓存该方法然后调用
n = 10000000
importtimeit
a=A()
t_direct= timeit.Timer('a.test()', 'from __main__ import a').timeit(n)print 'direct call func :', t_direct
cache=a.test
t_cache= timeit.Timer('cache()', 'from __main__ import cache').timeit(n)print 'cache func call :', t_cacheprint 'performance :', (t_cache / t_direct)
尝试多次后得出该情况下的时间结论:
direct call func : 1.14136314392cache func call :0.745277881622performance :0.652971743123
缓存方法之后再调用,性能大约能提升 35%
调用函数时,python 会临时创建一个对象,比如直接调用函数 a.test() 时,python 会执行如下步骤:
1: temp = a.test
2: temp()
3: del temp
所以频繁调用时,性能上是一个问题。内存上应该也是一个问题,感觉会更加频繁的触发 gc
对比2:
通过成员变量多层调用一个函数,和直接调用对象身上的函数的性能差
t0 = timeit.Timer('d.test()', 'from __main__ import d').timeit(n)print '0 level:', t0
t1= timeit.Timer('d.c.test()', 'from __main__ import d').timeit(n)print '1 level:', t1, ':', (t1 / t0) * 100t2= timeit.Timer('d.c.b.test()', 'from __main__ import d').timeit(n)print '2 level:', t2, ':', (t2 / t1) * 100, ' ', (t2 / t0 * 100)
t3= timeit.Timer('d.c.b.a.test()', 'from __main__ import d').timeit(n)print '3 level:', t3, ':', (t3 / t2) * 100, ' ', (t3 / t0 * 100)
尝试多次后得出该情况下的时间结论:
0 level: 1.26769399643
1 level: 1.50338602066 : 118.592185882
2 level: 1.74297595024 : 115.936687337 137.491851752
3 level: 1.87865877151 : 107.784549251 148.194972667
基本上,函数调用层次多一层,性能消耗会多 5% 到 15% 左右
这个暂时无法详细的解答。手上也没有 JS 的测试数据,不确定当时 js 些写项目的时候,是否也存在这个性能问题。
之前碰到一些项目的结构是,写的时候分成了多个文件来写,但是最后运行的时候,会把这多个文件中定义的 属性、函数都聚合到一个 class 身上,成为一个巨无霸级的 class。一直不理解这么做的意义是什么,感觉很臃肿,现在看来 估计为了减少函数调用的层次,提高性能。