追踪线索实际工作在未来所花费的时间

Question

我希望跟踪ThreadPoolExecutor中的一个线程花在我提交到池中的一段代码上的时间，而不是工作项花在池中的时间。一、 当然，可以调用future.result()来获取结果，但是我希望有某种方法可以调用future.time()或者类似的方法来获取执行时间。有什么建议吗

Answer 1

我会写一个简单的包装器来实现这一点：

def timed(func):
    def _w(*a, **k):
        then = time.time()
        res = func(*a, **k)
        elapsed = time.time() - then
        return elapsed, res
    return _w

然后你调用你的未来，比如用executor.map(timed(is_prime), PRIMES))（例子取自文档）

当然，您需要解压生成的时间戳&；结果

elapsed, result = future.result()

Answer 2

一种可能的方法是使用共享结构来捕获每个线程的时间执行统计信息。
考虑以下示例（计算10个连续数字的阶乘）：

from concurrent.futures import ThreadPoolExecutor
from threading import current_thread
from functools import partial
import time
import random
import math
import pprint

def fact(time_dict, num):
    t0 = time.time()
    res = math.factorial(num)
    time.sleep(random.randint(1, 5))

    time_dict[current_thread().name] = time.time() - t0
    return res

time_dict = {}
with ThreadPoolExecutor(max_workers=10, thread_name_prefix='thread') as executor:
    factorials = executor.map(partial(fact, time_dict), range(1, 11))
    pprint.pprint(['result: ', list(factorials)])
    pprint.pprint(['timings:', time_dict])

样本输出：

['result: ', [1, 2, 6, 24, 120, 720, 5040, 40320, 362880, 3628800]]
['timings:',
 {'thread_0': 2.005145788192749,
  'thread_1': 2.004167079925537,
  'thread_2': 5.0020458698272705,
  'thread_3': 4.004181146621704,
  'thread_4': 3.0027127265930176,
  'thread_5': 5.001489877700806,
  'thread_6': 3.002448797225952,
  'thread_7': 5.001359224319458,
  'thread_8': 2.005021095275879,
  'thread_9': 2.0049009323120117}]