在上一篇中我們通過換
python的解析器來優化性能。但離實際需求還很遠。
方案2： 優化代碼
工欲善其事，必先利其器。要優化代碼，必須先找到代碼的瓶頸所在，最土的方法是添加log, 或者print, 調試完成還需要刪除，比較麻煩。python里面也提供了很多profile工具：profile, cProfile, hotshot, pystats， 但這些工具提供的結果可讀性不是很好，不夠直觀的一眼就能看到那個函數或者那一行占用時間最多。 python line_profiler 提供了這樣的功能，可以很直觀的看到哪一行占用的時間最多，可謂“快準狠”，下載地址： http://pythonhosted.org/line_profiler/
安裝完line_profiler后，在C:\Python27\Lib\site-packages 目錄下會有一個kernprof.py，在可能存在瓶頸的函數上添加 @profile, 如以下例子：
@profile def create_msg2(self,H,msg): li = msg.keys() msg_type=li[0] ULR_avps=[] ULR=HDRItem() ULR.cmd=self.dia.dictCOMMANDname2code(self.dia.MSG_TERM[msg_type]) if msg_type[-1]=='A': msg=msg[msg_type] self.dia.setAVPs_by_dic(msg_type,msg,ULR_avps) ULR.appId=H.appId ULR.EndToEnd=H.EndToEnd ULR.HopByHop=H.HopByHop msg=self.dia.createRes(ULR,ULR_avps) else: self.dia.setAVPs(msg_type,msg,ULR_avps) ULR.appId=self.dia.APPID self.dia.initializeHops(ULR) msg=self.dia.createReq(ULR,ULR_avps) return msg |
運行此文件： kernprof.py -l -v D:\project\mp\src\protocols\libdiametermt.py， 得到如下結果。 從這圖中可以很直觀的看到setAVPS方法占用了96.6%的時間，再進一步定位到此函數，再次添加@proflie修飾符（可以一次在多個函數上添加Profile）， 可以再進一步看到setAVPS函數中各行代碼的占用時間比。
通過一步步的分析中看到，開源協議庫中，setAVPS的方法中，查找avp的屬性是從一個3000的循環里面查找的，每個AVP都需要循環3000次，一個diameter消息中至少10個avp，每次encoding一個avp需要循環3W次。 我們初始的解決方法是刪除了很多我們
性能測試中用不到的avp（沒辦法，測試開發資源有限，很多時候沒有很好的設計，先做出滿足需求的東西再說。）， 但也只是提高到了150左右，離需求還差的很遠。所以我們把AVP都改成了字典方式，可以根據名字快速查找到AVP的屬性。
除了代碼的優化，同時還增加了encoding avp的線程數，后面章節將會講到多線程和多進程，對性能的影響。