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):
        pass

class B(object):
    def __init__(self):
        self.a = A()

    def test(self):
        pass

class C(object):
    def __init__(self):
        self.b = B()

    def test(self):
        pass

class 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 = 10000000
import timeit

a = A()
t_direct = timeit.Timer('a.test()', 'from __main__ import a').timeit(n)
print 'direct call func : ', t_direct

cache = a.test
t_cache = timeit.Timer('cache()', 'from __main__ import cache').timeit(n)
print 'cache func call  : ', t_cache

print ' performance : ', (t_cache / t_direct)

尝试多次后得出该情况下的时间结论：

direct call func :  1.14136314392
cache 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:  ', t0

t1 = timeit.Timer('d.c.test()', 'from __main__ import d').timeit(n)
print '1 level:  ', t1, '    : ', (t1 / t0) * 100

t2 = 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：

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。