更新:在memory_profiler版本0.53及更高版本中,可以使用@profile装饰任意数量的路径。早期版本只允许装饰一条路线。以下问题仅适用于版本<= 0.52的那些版本的memory_profiler
使用普通的@profile
装饰器不适用于两个或更多Flask路线。如何在两个或更多Flask路线中获得逐行内存使用情况分析?
我想简介/ route_one和/ route_two:
from functools import wraps
from memory_profiler import profile
@app.route("/route_one", methods=["GET"])
@profile
def route_one():
api_live = ping_api()
if not api_live:
return make_response('', 503)
return make_response('', 200)
@app.route("/route_two", methods=["GET"])
@profile
def route_two():
api_live = ping_api()
if not api_live:
return make_response('', 503)
return make_response('', 200)
当我用上面装饰的路线启动我的烧瓶应用程序时,我收到此错误:
AssertionError: View function mapping is overwriting an existing endpoint function: wrapper
profile
装饰器不使用functools.wraps
,因此它不保留函数名称。 app.route
在执行时将这两个函数视为命名为'profile'
。由于Flask不允许多个路由使用相同的名称,因此会引发错误。
在memory_profiler修复此问题之前,您可以通过在要应用@profile
装饰器时临时指定端点名称来解决此问题。
@app.route('/one', endpoint='one')
@profile
@login_required
def one():
return 'one'
@profile
应该高于你想要包含在你的分析中的任何装饰器,并且@route
应该高于@profile
,以便它路由到视图的配置文件版本。
memory_profiler已更新,包含在Flask路线上使用@profile
的代码。 memory_profiler版本> = 0.53不会有这个问题。有关更多信息,请参阅this GitHub issue。
错误告诉我们在我们尝试映射/装饰的两个路由上使用相同的函数包装器。解决这个问题的方法是使用@wraps。如下所述:What does functools.wraps do? @wraps将内部函数的名称和文档字符串复制到外部包装函数。因此,如果我们使用@wraps,我们可以避免上述错误。
但我们需要在装饰器定义中使用@wraps。我们的配置文件装饰器在memory_profiler库中定义,因此我们需要重新编写该函数以包含@wraps。 memory_profiler profiler函数在这里是https://github.com/pythonprofilers/memory_profiler/blob/master/memory_profiler.py,我们将在其下使用@wraps的修改版本。
在烧瓶应用程序中使用以下代码使用@my_profiler装饰您的路线
from functools import wraps
import memory_profiler
try:
import tracemalloc
has_tracemalloc = True
except ImportError:
has_tracemalloc = False
def my_profiler(func=None, stream=None, precision=1, backend='psutil'):
"""
Decorator that will run the function and print a line-by-line profile
"""
backend = memory_profiler.choose_backend(backend)
if backend == 'tracemalloc' and has_tracemalloc:
if not tracemalloc.is_tracing():
tracemalloc.start()
if func is not None:
@wraps(func)
def wrapper(*args, **kwargs):
prof = memory_profiler.LineProfiler(backend=backend)
val = prof(func)(*args, **kwargs)
memory_profiler.show_results(prof, stream=stream,
precision=precision)
return val
return wrapper
else:
def inner_wrapper(f):
return profile(f, stream=stream, precision=precision,
backend=backend)
return inner_wrapper
我们现在可以使用我们的固定分析器
@app.route("/route_one", methods=["GET"])
@my_profiler
def route_one():
api_live = ping_api()
if not api_live:
return make_response('', 503)
return make_response('', 200)
@app.route("/route_two", methods=["GET"])
@my_profiler
def route_two():
api_live = ping_api()
if not api_live:
return make_response('', 503)
return make_response('', 200)