首页 > 代码库 > Python 函数调用性能记录
Python 函数调用性能记录
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 ：
class A(object): def test(self): passclass B(object): def __init__(self): self.a = A() def test(self): passclass C(object): def __init__(self): self.b = B() def test(self): passclass D(object): def __init__(self): self.c = C() def test(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 = 10000000import timeita = A()t_direct = timeit.Timer(‘a.test()‘, ‘from __main__ import a‘).timeit(n)print ‘direct call func : ‘, t_directcache = a.testt_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 : 0.745277881622 performance : 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: ‘, t0t1 = 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：
<style></style>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。
Python 函数调用性能记录