這篇文章主要講解了“如何理解Python接口優(yōu)化”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“如何理解Python接口優(yōu)化”吧！

企業(yè)建站必須是能夠以充分展現(xiàn)企業(yè)形象為主要目的，是企業(yè)文化與產(chǎn)品對外擴展宣傳的重要窗口，一個合格的網(wǎng)站不僅僅能為公司帶來巨大的互聯(lián)網(wǎng)上的收集和信息發(fā)布平臺，成都創(chuàng)新互聯(lián)面向各種領域：廣告設計等成都網(wǎng)站設計、成都營銷網(wǎng)站建設解決方案、網(wǎng)站設計等建站排名服務。

背景

我們負責的一個業(yè)務平臺，有次在發(fā)現(xiàn)設置頁面的加載特別特別地慢，簡直就是令人發(fā)指

讓用戶等待 36s 肯定是不可能的，于是我們就要開啟優(yōu)化之旅了。

投石問路

既然是網(wǎng)站的響應問題，可以通過 Chrome 這個強大的工具幫助我們快速找到優(yōu)化方向。

通過 Chrome 的 Network 除了可以看到接口請求耗時之外，還能看到一個時間的分配情況，選擇一個配置沒有那么多的項目，簡單請求看看：

雖然只是一個只有三條記錄的項目，加載項目設置都需要 17s，通過 Timing, 可以看到總的請求共耗時 17.67s ，但有 17.57s 是在 Waiting(TTFB) 狀態(tài)。

TTFB 是 Time to First Byte 的縮寫，指的是瀏覽器開始收到服務器響應數(shù)據(jù)的時間（后臺處理時間+重定向時間），是反映服務端響應速度的重要指標。

Profile 火焰圖 + 代碼調優(yōu)

那么大概可以知道優(yōu)化的大方向是在后端接口處理上面，后端代碼是 Python + Flask 實現(xiàn)的，先不盲猜，直接上 Profile：

第一波優(yōu)化：功能交互重新設計

說實話看到這段代碼是絕望的：完全看不出什么？只是看到很多 gevent 和 Threading，因為太多協(xié)程或者線程？

這時候一定要結合代碼來分析（為了簡短篇幅，參數(shù)部分用 “...” 代替）：

?def get_max_cpus(project_code, gids):      """      """      ...      # 再定義一個獲取 cpu 的函數(shù)      def get_max_cpu(project_setting, gid, token, headers):          group_with_machines = utils.get_groups(...)          hostnames = get_info_from_machines_info(...)          res = fetchers.MonitorAPIFetcher.get(...)          vals = [              round(100 - val, 4)              for ts, val in res['series'][0]['data']              if not utils.is_nan(val)          ]          maxmax_val = max(vals) if vals else float('nan')          max_cpus[gid] = max_val           #  啟動線程批量請求      for gid in gids:          t = Thread(target=get_max_cpu, args=(...))          threads.append(t)          t.start()             # 回收線程      for t in threads:          t.join()      return max_cpus

通過代碼可以看到，為了更加快速獲取 gids 所有的 cpu_max 數(shù)據(jù)，為每個 gid 分配一個線程去請求，最終再返回最大值。

這里會出現(xiàn)兩個問題：

1.  在一個 web api 做線程的 創(chuàng)建 和 銷毀 是有很大成本的，因為接口會頻繁被觸發(fā)，線程的操作也會頻繁發(fā)生，應該盡可能使用線程池之類的，降低系統(tǒng)花銷；

2.  該請求是加載某個 gid (群組) 下面的機器過去 7 天的 CPU 最大值，可以簡單拍腦袋想下，這個值不是實時值也不是一個均值，而是一個最大值，很多時候可能并沒有想象中那么大價值；

既然知道問題，那就有針對性的方案：

1.  調整功能設計，不再默認加載 CPU 最大值，換成用戶點擊加載（一來降低并發(fā)的可能，二來不會影響整體）；

2.  因為 1 的調整，去掉多線程實現(xiàn)；

再看第一波優(yōu)化后的火焰圖：

這次看的火焰圖雖然還有很大的優(yōu)化空間，但起碼看起來有點正常的樣子了。

第二波優(yōu)化：MySQL 操作優(yōu)化處理

我們再從頁面標記處（接口邏輯處）放大火焰圖觀察：

看到好大一片操作都是由 utils.py:get_group_profile_settings 這個函數(shù)引起的數(shù)據(jù)庫操作熱點。

同理，也是需要通過代碼分析：

def get_group_profile_settings(project_code, gids):          # 獲取 Mysql ORM 操作對象      ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))      session = get_postman_session()          profile_settings = {}      for gid in gids:          compound_name = project_code + ':' + gid          result = session.query(ProfileSetting).filter(              ProfileSetting.name == compound_name          ).first()                if result:              resultresult = result.as_dict()              tag_indexes = result.get('tag_indexes')              profile_settings[gid] = {                  'tag_indexes': tag_indexes,                  'interval': result['interval'],                  'status': result['status'],                  'profile_machines': result['profile_machines'],                  'thread_settings': result['thread_settings']              }              ...(省略)      return profile_settings

看到 Mysql ，第一個反應就是 索引問題，所以優(yōu)先去看看數(shù)據(jù)庫的索引情況，如果有索引的話應該不會是瓶頸：

很奇怪這里明明已經(jīng)有了索引了，為什么速度還是這個鬼樣子呢！

正當毫無頭緒的時候，突然想起在 第一波優(yōu)化 的時候， 發(fā)現(xiàn) gid（群組）越多的影響越明顯，然后看回上面的代碼，看到那句：

for gid in gids:       ...

我仿佛明白了什么。

這里是每個 gid 都去查詢一次數(shù)據(jù)庫，而項目經(jīng)常有 20 ~ 50+ 個群組，那肯定直接爆炸了。

其實 Mysql 是支持單字段多值的查詢，而且每條記錄并沒有太多的數(shù)據(jù)，我可以嘗試下用 Mysql 的 OR 語法，除了避免多次網(wǎng)絡請求，還能避開那該死的 for

正當我想事不宜遲直接搞起的時候，余光瞥見在剛才的代碼還有一個地方可以優(yōu)化，那就是：

看到這里，熟悉的朋友大概會明白是怎么回事。

GetAttr 這個方法是Python 獲取對象的 方法/屬性 時候會用到，雖然不可不用，但是如果在使用太過頻繁也會有一定的性能損耗。

結合代碼一起來看：

def get_group_profile_settings(project_code, gids):        # 獲取 Mysql ORM 操作對象      ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))      session = get_postman_session()         profile_settings = {}      for gid in gids:          compound_name = project_code + ':' + gid          result = session.query(ProfileSetting).filter(              ProfileSetting.name == compound_name          ).first()          ...

在這個遍歷很多次的 for 里面，session.query(ProfileSetting) 被反復無效執(zhí)行了，然后 filter 這個屬性方法也被頻繁讀取和執(zhí)行，所以這里也可以被優(yōu)化。

總結下的問題就是：

1. 數(shù)據(jù)庫的查詢沒有批量查詢；  2. ORM 的對象太多重復的生成，導致性能損耗；  3. 屬性讀取后沒有復用，導致在遍歷次數(shù)較大的循環(huán)體內頻繁 getAttr，成本被放大；

那么對癥下藥就是：

def get_group_profile_settings(project_code, gids):          # 獲取 Mysql ORM 操作對象      ProfileSetting = unpurview(sandman.endpoint_class('profile_settings'))      session = get_postman_session()            # 批量查詢 并將 filter 提到循環(huán)之外      query_results = query_instance.filter(          ProfileSetting.name.in_(project_code + ':' + gid for gid in gids)      ).all()      # 對全部的查詢結果再單條處理      profile_settings = {}      for result in query_results:          if not result:              continue          resultresult = result.as_dict()          gid = result['name'].split(':')[1]          tag_indexes = result.get('tag_indexes')          profile_settings[gid] = {              'tag_indexes': tag_indexes,              'interval': result['interval'],              'status': result['status'],              'profile_machines': result['profile_machines'],              'thread_settings': result['thread_settings']          }              ...(省略)      return profile_settings

優(yōu)化后的火焰圖：

對比下優(yōu)化前的相同位置的火焰圖：

明顯的優(yōu)化點：優(yōu)化前的，最底部的 utils.py:get_group_profile_settings 和 數(shù)據(jù)庫相關的熱點大大縮減。

優(yōu)化效果

同一個項目的接口的響應時長從 37.6 s 優(yōu)化成 1.47s，具體的截圖：

優(yōu)化總結

如同一句名言：

如果一個數(shù)據(jù)結構足夠優(yōu)秀，那么它是不需要多好的算法。

在優(yōu)化功能的時候，最快的優(yōu)化就是：去掉那個功能！

其次快就是調整那個功能觸發(fā)的 頻率 或者 復雜度！

從上到下，從用戶使用場景去考慮這個功能優(yōu)化方式，往往會帶來更加簡單高效的結果，嘿嘿！

當然很多時候我們是無法那么幸運的，如果我們實在無法去掉或者調整，那么就發(fā)揮做程序猿的價值咯：Profile

針對 Python 可以嘗試：cProflile + gprof2dot

而針對 Go 可以使用: pprof + go-torch

很多時候看到的代碼問題都不一定是真正的性能瓶頸，需要結合工具來客觀分析，這樣才能有效直擊痛點！

其實這個 1.47s，其實還不是最好的結果，還可以有更多優(yōu)化的空間，比如：

1.  前端渲染和呈現(xiàn)的方式，因為整個表格是有很多數(shù)據(jù)組裝后再呈現(xiàn)的，響應慢的單元格可以默認先顯示 菊花，數(shù)據(jù)返回再更新；

2.  火焰圖看到還有挺多細節(jié)可以優(yōu)化，可以替換請求數(shù)據(jù)的外部接口，比如再優(yōu)化徹底 GetAttr 相關的邏輯；

3.  更極端就是直接 Python 轉 GO；

但是這些優(yōu)化已經(jīng)不是那么迫切了，因為這個 1.47s 是比較大型項目的優(yōu)化結果了，絕大部分的項目其實不到 1s 就能返回

再優(yōu)化可能付出更大成本，而結果可能也只是從 500ms 到 400ms 而已，結果并不那么高性價比。

所以我們一定要時刻清晰自己優(yōu)化的目標，時刻考慮 投入產(chǎn)出比，在有限的時間做出比較高的價值（如果有空閑時間當然可以盡情干到底）

感謝各位的閱讀，以上就是“如何理解Python接口優(yōu)化”的內容了，經(jīng)過本文的學習后，相信大家對如何理解Python接口優(yōu)化這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關知識點的文章，歡迎關注！

網(wǎng)頁題目：如何理解Python接口優(yōu)化
標題路徑：http://aaarwkj.com/article2/ipoeoc.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供App設計、自適應網(wǎng)站、電子商務、商城網(wǎng)站、網(wǎng)站設計公司、關鍵詞優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)