Gabay sa Pagsukat ng Oras sa Python: Mabilis na Performance

1. Paraan ng Pagsusukat ng Oras sa Python

1.1 Panimula

2. Mga batayan sa pagsukat ng oras – Paggamit ng module na time

2.1 Pangunahing paggamit ng time.time()

import time

# Kunin ang oras bago magsimula
start_time = time.time()

# Proseso na nais sukatin (halimbawa: 1 milyong pag-ikot)
for i in range(1000000):
    i ** 10

# Kunin ang oras pagkatapos ng proseso
end_time = time.time()

# Ipakita ang lumipas na oras
elapsed_time = end_time - start_time
print(f"Lumipas na oras: {elapsed_time} segundo")

2.2 Mga kalamangan at kahinaan ng time.time()

3. Mas mataas na katumpakan sa pagsukat – Paggamit ng perf_counter()

3.1 Ano ang perf_counter()?

3.2 Halimbawa: Pag-optimize ng Algorithm

import time

def fibonacci(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fibonacci(n - 1) + fibonacci(n - 2)

# Mataas na katumpakan sa pagsukat ng oras
start_time = time.perf_counter()
fibonacci(30)
end_time = time.perf_counter()

# Ipakita ang lumipas na oras
elapsed_time = end_time - start_time
print(f"Mataas na katumpakan na lumipas na oras: {elapsed_time segundo")

4. Iba pang mga paraan ng pagsukat

4.1 time.process_time() Pagsukat gamit ang

import time

# Simula ng pagsukat ng oras ng paggamit ng CPU
start_time = time.process_time()

# Proseso na nais sukatin
for i in range(1000000):
    i ** 10

# Kuhanin ang oras ng pagtatapos
end_time = time.process_time()

# Ipakita ang lumipas na oras ng paggamit ng CPU
elapsed_time = end_time - start_time
print(f"Oras ng paggamit ng CPU: {elapsed_time} segundo")

4.2 time.monotonic() Pagsukat gamit ang

5. Paglalapat: profiling gamit ang cProfile at timeit

5.1 Profiling gamit ang cProfile

import cProfile

def my_function():
    for i in range(1000000):
        i ** 10

# Profiling ng function
cProfile.run('my_function()')

5.2 Detalyadong pagsukat gamit ang timeit

import timeit

# Sukatin ang oras ng pagproseso sa pamamagitan ng pagtukoy ng bilang ng pagtakbo
print(timeit.timeit('for i in range(1000000): i ** 10', number=10))

6. Karaniwang mga Pagkakamali at Best Practices

6.1 Karaniwang mga Pagkakamali

• Napaka-maikling pagsukat ng proseso: Kapag sinusukat ang maikling oras ng proseso gamit ang time.time(), madalas na malaki ang error. Kung kailangan ng mataas na katumpakan, dapat gamitin ang perf_counter().
• Posisyon ng code: Kung hindi ilalagay ang code na nagme-measure ng oras sa tamang lugar sa loob ng function, maaaring magsama ito sa ibang proseso at hindi makakuha ng tumpak na resulta.

6.2 Best Practices

• Pumili ng mas mataas na katumpakan na paraan: Gamitin ang perf_counter() at timeit para sa tumpak na pagsukat. Ang mga pamamaraang ito ay epektibo lalo na sa maikling proseso.
• Kunin ang average na halaga: Sa halip na isang beses na resulta lamang, kumuha ng maraming beses na resulta at gamitin ang average nito upang mabawasan ang error sa pagsukat.
• Gumawa ng regular na profiling: Para sa komplikadong code o matagal na proseso, mahalagang regular na gamitin ang cProfile upang suriin ang performance at tuklasin ang mga punto ng optimization.

7. Buod at Pag-aaral ng Kaso

7.1 Buod

7.2 Pag-aaral ng Kaso: Pag-optimize ng Pagganap sa Tunay na Proyekto

Kaso 1: Pag-optimize ng Tugon ng Web Application

• Solusyon: Pinahusay ang index ng query at nagpatupad ng cache upang mapabilis ang pagproseso ng query. Ginawa rin ang refactoring ng mismong query upang alisin ang mga walang silbing kalkulasyon.
• Resulta: Ang oras ng tugon ay bumuti ng higit sa 50%, at tumaas din ang pagtingin ng mga gumagamit.

Kaso 2: Pagpapaikli ng Oras ng Pagsasanay ng AI Model

• Solusyon: Pinahusay ang bahagi ng preprocessing ng data na naging bottleneck at nagpatupad ng parallel processing. Bukod dito, inayos ang batch size upang mapabuti ang epektibong paggamit ng GPU.
• Resulta: Ang oras ng pagsasanay ng modelo ay nabawasan ng 30%, at nagawang i-update ang modelo sa mas maikling panahon.

Kaso 3: Pagpapabuti ng Frame Rate sa Game Development

• Solusyon: Pinahusay ang algorithm ng physics calculations at nagpatupad ng mas epektibong data structure upang mabawasan ang hindi kailangang kalkulasyon. Pinaganda rin ang rendering process at tinanggal ang mga walang silbing draw calls.
• Resulta: Naging stable ang frame rate at naabot ang maayos na pag-andar ng laro.

8. Sa Huli