在上一篇中我们通过换
python的解析器来优化性能。但离实际需求还很远。
方案2： 优化代码
工欲善其事，必先利其器。要优化代码，必须先找到代码的瓶颈所在，最土的方法是添加log, 或者print, 调试完成还需要删除，比较麻烦。python里面也提供了很多profile工具：profile, cProfile, hotshot, pystats， 但这些工具提供的结果可读性不是很好，不够直观的一眼就能看到那个函数或者那一行占用时间最多。 python line_profiler 提供了这样的功能，可以很直观的看到哪一行占用的时间最多，可谓“快准狠”，下载地址： http://pythonhosted.org/line_profiler/
安装完line_profiler后，在C:\Python27\Lib\site-packages 目录下会有一个kernprof.py，在可能存在瓶颈的函数上添加 @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
|
运行此文件： kernprof.py -l -v D:\project\mp\src\protocols\libdiametermt.py， 得到如下结果。 从这图中可以很直观的看到setAVPS方法占用了96.6%的时间，再进一步定位到此函数，再次添加@proflie修饰符（可以一次在多个函数上添加Profile）， 可以再进一步看到setAVPS函数中各行代码的占用时间比。
通过一步步的分析中看到，开源协议库中，setAVPS的方法中，查找avp的属性是从一个3000的循环里面查找的，每个AVP都需要循环3000次，一个diameter消息中至少10个avp，每次encoding一个avp需要循环3W次。 我们初始的解决方法是删除了很多我们
性能测试中用不到的avp（没办法，测试开发资源有限，很多时候没有很好的设计，先做出满足需求的东西再说。）， 但也只是提高到了150左右，离需求还差的很远。所以我们把AVP都改成了字典方式，可以根据名字快速查找到AVP的属性。
除了代码的优化，同时还增加了encoding avp的线程数，后面章节将会讲到多线程和多进程，对性能的影响。
最新内容请见作者的GitHub页：http://qaseven.github.io/
