Apuntes sobre calculo de rendimiento.

[sukoy]

En algunos casos nos puede interesar saber el tiempo que tarda en ejecutarse un programa o función y el consum de memoria que ocupa.

Tenemos por ejemplo la función:

Código Python:

def fibonacci(n):
    if n < 3: return 1
    else:
        return fibonacci(n-2) + fibonacci(n-1)
 

Que calcula el número de fibonacci.

Para controlar el tiempo de ejecución bastaria con importar el módulo time y hacer un registro antes y otro después de su ejecución y calcular la diferencia.

Código Python:

import time
 
def func_time():
    ti = time.time()
    fibonacci(20)
    tf = time.time()
    print tf-ti
    
func_time()
 

Código:

0.00212001800537

Para hacer esto más práctico podemos hacer un decorador.
Un decorador es una función que recibe como parámetro otra función y devuelve el resultado de ésta modificado( decorado).

Código Python:

def timeit(func):
    def timed(*args, **kw):
        ti = time.time()
        result = func(*args, **kw)
        tf = time.time()
        print('Time:{:.10f} sec'.format(tf-ti))
        return result
    return timed
 

Y lo aplicamos de esta forma:

Código Python:

@timeit
def prueba():
    return fibonacci(10)
print prueba()
 

o bien:

Código Python:

@timeit
def main(n):
    def fibonacci(n):
        if n < 3: return 1
        else:
            return fibonacci(n-2) + fibonacci(n-1)
    
print main(20)
 

En este caso al ser una función recursiva no podemos aplicar el decorador directamente a la función ya que nos daría un resultado para cada recursión. En caso de que no lo sea, sí podemos hacerlo.

Código Python:

@timeit
def cuadrado(n):
    return n**2
 
print cuadrado(20)
 

Código:

Time:0.0000021458 sec
400

Añadimos algunas cosas más: El proceso PID y el consumo de RAM con el módulo resource.

Código Python:

import resource
import time
import os
 
def timeit(func):
    def timed(*args, **kw):
        ts = time.time()
        pid = os.getppid()
        result = func(*args, **kw)
        te = time.time()
        maxmem = (resource.getrusage(resource.RUSAGE_SELF).ru_maxrss)/1000
        info = (pid, func.__name__, te-ts, maxmem)
        print('PID:{}\nName:{}\nTime:{:.10f} sec\nRAM:{} MB'.format(*info))
        return result
    return timed
 

Si guardamos este archivo como por ejemplo decotime.py en el path correspondiente. Podemos importarlo desde nuetros programas

Código Python:

import decotime
 
@decotime.timeit
def prueba():
    return fibonacci(35)
print prueba()
 

Con lo que, sobre la misma función anterior para fibonacci(35) obtengo:

Código:

PID:8833
Name:prueba
Time:2.8051321507 sec
RAM:92 MB
9227465

fibonacci(40)

Código:

PID:8833
Name:prueba
Time:31.0330379009 sec
RAM:89 MB
102334155

Y una versión con memoización de fibonacci:

Código Python:

import decotime
 
@decotime.timeit
def main(n):
 
    mem = {1:1,2:1}
    def fibo(n):
        if n < 3: return 1
        if not n in mem:
            mem[n] = fibo(n-1) + fibo(n-2)
        return mem[n]
    
main(40)
 

Código:

PID:8833
Name:prueba
Time:0.0000319481 sec
RAM:96 MB
102334155

La diferencia es espectacular...

Saludos.

Pd, no he encontrado en la documentación de resource nada sobre las unidades que devuelve ru_maxrss asi que no sé si esto es cierto :
maxmem = (resource.getrusage(resource.RUSAGE_SELF).ru_maxrs s)/1000
- Es posible que algunas cosas solo funcionen en *nix.