Как профилировать методы в Scala?

В дополнение к ответу Йеспера, вы можете автоматически обернуть вызовы метода в REPL:

scala> def time[R](block: => R): R = {
   | val t0 = System.nanoTime()
   | val result = block
   | println("Elapsed time: " + (System.nanoTime - t0) + "ns")
   | result
   | }
time: [R](block: => R)R

теперь-давайте завернем что-нибудь в это

scala> :wrap time
wrap: no such command.  Type :help for help.

OK-мы должны быть в режиме питания

scala> :power
** Power User mode enabled - BEEP BOOP SPIZ **
** :phase has been set to 'typer'.          **
** scala.tools.nsc._ has been imported      **
** global._ and definitions._ also imported **
** Try  :help,  vals.<tab>,  power.<tab>    **

обертывание от

scala> :wrap time
Set wrapper to 'time'

scala> BigDecimal("1.456")
Elapsed time: 950874ns
Elapsed time: 870589ns
Elapsed time: 902654ns
Elapsed time: 898372ns
Elapsed time: 1690250ns
res0: scala.math.BigDecimal = 1.456

Я понятия не имею, почему это распечатано 5 раз

обновление по состоянию на 2.12.2:

scala> :pa
// Entering paste mode (ctrl-D to finish)

package wrappers { object wrap { def apply[A](a: => A): A = { println("running...") ; a } }}

// Exiting paste mode, now interpreting.


scala> $intp.setExecutionWrapper("wrappers.wrap")

scala> 42
running...
res2: Int = 42

здесь три библиотеки бенчмаркинга для Scala что вы можете воспользоваться.

поскольку URL-адреса на связанном сайте могут измениться, я вставляю соответствующий контент ниже.

1. SPerformance - платформа тестирования производительности, направленная на автоматическое сравнение тестов производительности и работу внутри простого инструмента сборки.

2. scala-бенчмаркинг-шаблон - проект шаблона SBT для создания Scala (микро-)бенчмарков на основе суппорта.

3. показатели - захват метрик уровня JVM и приложений. Так что вы знаете, что происходит

Это то, что я использую:

import System.nanoTime
def profile[R](code: => R, t: Long = nanoTime) = (code, nanoTime - t)

// usage:
val (result, time) = profile { 
  /* block of code to be profiled*/ 
}

val (result2, time2) = profile methodToBeProfiled(foo)

testing.Benchmark могут быть полезны.

scala> def testMethod {Thread.sleep(100)}
testMethod: Unit

scala> object Test extends testing.Benchmark {
     |   def run = testMethod
     | }
defined module Test

scala> Test.main(Array("5"))
$line16.$read$$iw$$iw$Test$     100     100     100     100     100

Я использую технику, которую легко перемещать в блоках кода. Суть в том, что одна и та же точная строка начинается и заканчивается таймером - так что это действительно простая копия и вставка. Другая приятная вещь заключается в том, что вы можете определить, что означает для вас время как строка, все в той же строке.

пример использования:

Timelog("timer name/description")
//code to time
Timelog("timer name/description")

код:

object Timelog {

  val timers = scala.collection.mutable.Map.empty[String, Long]

  //
  // Usage: call once to start the timer, and once to stop it, using the same timer name parameter
  //
  def timer(timerName:String) = {
    if (timers contains timerName) {
      val output = s"$timerName took ${(System.nanoTime() - timers(timerName)) / 1000 / 1000} milliseconds"
      println(output) // or log, or send off to some performance db for analytics
    }
    else timers(timerName) = System.nanoTime()
  }

плюсы:

• отсутствие потребности обернуть код как блок или манипулировать внутри линии
• может легко перемещать начало и конец таймера между строками кода при проведении исследований

плюсы:

• менее блестящий для совершенно функционального кода
• очевидно, что этот объект пропускает записи карты, если вы не" закрываете " таймеры, например, если ваш код не попадает во второй вызов для данного запуска таймера.

мне нравится простота ответа @wrick, но также хотелось:

• профилировщик обрабатывает цикл (для согласованности и удобства)

• более точное время (с помощью nanoTime)

• время на одну итерацию (не Общее время всех итераций)

• просто верните ns / iteration-не Кортеж

Это достигается здесь:

def profile[R] (repeat :Int)(code: => R, t: Long = System.nanoTime) = { 
  (1 to repeat).foreach(i => code)
  (System.nanoTime - t)/repeat
}

еще больше точность, простая модификация позволяет цикл прогрева точки доступа JVM (не приурочен) для синхронизации небольших фрагментов:

def profile[R] (repeat :Int)(code: => R) = {  
  (1 to 10000).foreach(i => code)   // warmup
  val start = System.nanoTime
  (1 to repeat).foreach(i => code)
  (System.nanoTime - start)/repeat
}

ScalaMeter хорошая библиотека для выполнения бенчмаркинга в Scala

Ниже приведен простой пример

import org.scalameter._

def sumSegment(i: Long, j: Long): Long = (i to j) sum

val (a, b) = (1, 1000000000)

val execution_time = measure { sumSegment(a, b) }

Если вы выполняете приведенный выше фрагмент кода на листе Scala, вы получаете время работы в миллисекундах

execution_time: org.scalameter.Quantity[Double] = 0.260325 ms

Я взял решение у Йеспера и добавил к нему некоторую агрегацию при многократном запуске одного и того же кода

def time[R](block: => R) = {
    def print_result(s: String, ns: Long) = {
      val formatter = java.text.NumberFormat.getIntegerInstance
      println("%-16s".format(s) + formatter.format(ns) + " ns")
    }

    var t0 = System.nanoTime()
    var result = block    // call-by-name
    var t1 = System.nanoTime()

    print_result("First Run", (t1 - t0))

    var lst = for (i <- 1 to 10) yield {
      t0 = System.nanoTime()
      result = block    // call-by-name
      t1 = System.nanoTime()
      print_result("Run #" + i, (t1 - t0))
      (t1 - t0).toLong
    }

    print_result("Max", lst.max)
    print_result("Min", lst.min)
    print_result("Avg", (lst.sum / lst.length))
}

Предположим, вы хотите, чтобы время две функции counter_new и counter_old, следующие использование:

scala> time {counter_new(lst)}
First Run       2,963,261,456 ns
Run #1          1,486,928,576 ns
Run #2          1,321,499,030 ns
Run #3          1,461,277,950 ns
Run #4          1,299,298,316 ns
Run #5          1,459,163,587 ns
Run #6          1,318,305,378 ns
Run #7          1,473,063,405 ns
Run #8          1,482,330,042 ns
Run #9          1,318,320,459 ns
Run #10         1,453,722,468 ns
Max             1,486,928,576 ns
Min             1,299,298,316 ns
Avg             1,407,390,921 ns

scala> time {counter_old(lst)}
First Run       444,795,051 ns
Run #1          1,455,528,106 ns
Run #2          586,305,699 ns
Run #3          2,085,802,554 ns
Run #4          579,028,408 ns
Run #5          582,701,806 ns
Run #6          403,933,518 ns
Run #7          562,429,973 ns
Run #8          572,927,876 ns
Run #9          570,280,691 ns
Run #10         580,869,246 ns
Max             2,085,802,554 ns
Min             403,933,518 ns
Avg             797,980,787 ns

надеюсь, это полезно

стоя на плечах гигантов...

твердая сторонняя библиотека была бы более идеальной, но если вам нужно что-то быстрое и основанное на std-библиотеке, следующий вариант обеспечивает:

• повторений
• последний результат победы для многократных повторений
• Общее время и среднее время многократных повторений
• извлекает потребность для времени / немедленного провайдера как парам!--9-->

.

import scala.concurrent.duration._
import scala.language.{postfixOps, implicitConversions}

package object profile {

  def profile[R](code: => R): R = profileR(1)(code)

  def profileR[R](repeat: Int)(code: => R): R = {
    require(repeat > 0, "Profile: at least 1 repetition required")

    val start = Deadline.now

    val result = (1 until repeat).foldLeft(code) { (_: R, _: Int) => code }

    val end = Deadline.now

    val elapsed = ((end - start) / repeat)

    if (repeat > 1) {
      println(s"Elapsed time: $elapsed averaged over $repeat repetitions; Total elapsed time")

      val totalElapsed = (end - start)

      println(s"Total elapsed time: $totalElapsed")
    }
    else println(s"Elapsed time: $elapsed")

    result
  }
}

также стоит отметить, что вы можете использовать Duration.toCoarsest метод преобразования в самую большую единицу времени, хотя я не уверен, насколько это дружелюбно с небольшой разницей во времени между запусками, например

Welcome to Scala version 2.11.7 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_60).
Type in expressions to have them evaluated.
Type :help for more information.

scala> import scala.concurrent.duration._
import scala.concurrent.duration._

scala> import scala.language.{postfixOps, implicitConversions}
import scala.language.{postfixOps, implicitConversions}

scala> 1000.millis
res0: scala.concurrent.duration.FiniteDuration = 1000 milliseconds

scala> 1000.millis.toCoarsest
res1: scala.concurrent.duration.Duration = 1 second

scala> 1001.millis.toCoarsest
res2: scala.concurrent.duration.Duration = 1001 milliseconds

scala> 

можно использовать System.currentTimeMillis:

def time[R](block: => R): R = {
    val t0 = System.currentTimeMillis()
    val result = block    // call-by-name
    val t1 = System.currentTimeMillis()
    println("Elapsed time: " + (t1 - t0) + "ms")
    result
}

использование:

time{
    //execute somethings here, like methods, or some codes.
}  

nanoTime покажет вам ns, Так что это будет трудно понять. Поэтому я предлагаю вам использовать currentTimeMillis вместо него.