做過幾年開發或者
測試開發的人員，時常會覺得很迷茫，新功能的開發或者老功能的維護，基本是在堆代碼了， 做過幾年測試的朋友也會有類似的想法。性能調優或者
性能測試的確很考驗人分析問題、解決問題的能力，知識是否全面。本人也是第一次實現高性能的
測試工具， 記錄下這次diameter協議測試工具的優化過程，供大家一起
學習。 有些內容涉及到具體產品，做了些改動或者單獨寫了測試代碼演示。
Python用來開發高性能的測試工具的確有天然的缺陷，性能差還有GIL，無法利用多線程。 但辦法總比困難多，那么多大的
互聯網公司都使用python與實際產品中，總比我們測試的性能要求搞多了。 本文主要講述在系統設計和架構方面的性能優化，具體算法和一些小細節的優化，請參考 http://blog.csdn.net/powerccna/article/details/8020289
項目背景：
實現個高性能的diameter 測試工具， 接受1000+發送1000，雙向要支持到2000條消息每秒。 diameter 協議的源代碼是從這里下載的 http://sourceforge.net/projects/pyprotosim/， 這個開源包還支持SMPP, RADIUS, DHCP, LDAP, 而且新增加的協議字段都可以在dictionary配置屬性，不需要修改代碼，實在是方便。 初始階段我們為了實現功能，沒有怎么考慮性能的問題，很多地方用的是單線程，初始性能只能支持到50 消息。硬件環境： SunFire 4170， 16 核，每核2.4 G
Python性能優化的幾個方向：
1. 換python的解析器：常見的python解析器有pysco，pypy, cython, jython, pysco已經對python 2.7不支持了，就沒有測試，據說跑的很C語言一樣快。對pypy, jython做了簡單測試，pypy在不同機器上可以提高到5-10倍的樣子，Jython雖然可以避免python GIL的問題（因為jython是跑在
java虛擬機上的），但測試看來，效率提升很少。
2. 優化代碼
3. 改變系統架構，多線程，多進程或者協程
方案1： 換Python解析器
如果換Python解析器能達到性能需求是最廉價的方案了，不需要對代碼做任何改動。下面代碼只是為了說明pypy的效果，單獨寫的測試代碼，在windows下運行的結果。在linux下機器上運行效果會更好些。
#!/usr/bin/env python #coding=utf-8 import time def check(num): a = list(str(num)) b = a[::-1] if a == b: return True return False all = xrange(1,10**7) for i in all: if check(i): if check(i**2): i**2 if __name__ == '__main__': start=time.time() test() print time.time()-start 分別用python和pypy的運行結果 C:\Python27\python.exeD:/RCC/mp/src/test.py 14.4940001965 C:\pypy-2.1\pypy.exeD:/RCC/mp/src/test.py 4.37800002098 |
可以看出來pypy的運行結果效果還是明顯的，雖然能提高5倍（linux機器上），50*5， 離2000還差好遠。 pypy對python 多線程的支持沒有明顯效果，這個在后面會提到。
先告一段落，太長了大家看起來累，下一篇
文章中將會介紹代碼優化部分。