VizTracer可以跟踪并发Python程序以帮助记录、调试和分析。并发性是现代编程的重要组成部分，因为我们有多个核心，许多任务需要合作。但是，当并发程序乱序运行时，很难理解。工程师在这些程序中发现错误和性能问题并不像在单线程、单任务程序中那样容易。在Python中，您有多种并发选项。可能最常见的是使用threading模块的多线程，使用subprocess和multiprocessing模块的多处理，以及最近由asyncio模块提供的异步语法。在VizTracer之前，缺乏使用这些技术分析程序的工具。VizTracer是一种用于跟踪和可视化Python程序的工具，可用于记录、调试和分析。虽然它适用于单线程、单任务程序，但它在并发程序中的实用性才是它的独特之处。尝试一个简单的任务从一个简单的练习任务开始：找出数组中的整数是否为质数并返回一个布尔数组。这是一个简单的解决方案：defis_prime(n):foriinrange(2,n):ifn%i==0:returnFalsereturnTruedefget_prime_arr(arr):return[is_prime(elem)foreleminarr]尝试在单线程中正常运行VizTracer：if__name__=="__main__":num_arr=[random.randint(100,10000)for_inrange(6000)]get_prime_arr(num_arr)viztracermy_program.pyRunningcodeinAsinglethreadcallstackreport显示耗时140ms左右，大部分时间花在了get_prime_arr上。调用堆栈报告这只是对数组中的元素反复执行is_prime函数。这是您所期望的，但并不有趣（如果您了解VizTracer）。用多线程程序试试：=线程（目标=get_prime_arr，args=（num_arr，））thread3=线程（target=get_prime_arr，args=（num_arr，））thread1.start（）thread2.start（）thread3.start（）thread1.join（）thread2.join()thread3.join()为了匹配单线程程序的工作量，这里对三个线程使用了一个2000个元素的数组，模拟了三个线程分担任务的情况。多线程程序如果你熟悉Python的全局解释器锁（GIL），你会认为它再快不过了。由于开销，它花费了140毫秒多一点。但是，可以观察多线程的并发情况：后来，他们交换了。这是由于GIL，这就是Python没有真正的多线程的原因。它可以实现并发，但不能实现并行。尝试使用多进程来实现并行，方式就是多进程库。这是另一个使用多处理的版本：if__name__=="__main__":num_arr=[random.randint(100,10000)for_inrange(2000)]p1=Process(target=get_prime_arr,args=(num_arr,))p2=过程（target=get_prime_arr，args=（num_arr，））p3=过程（target=get_prime_arr，args=（num_arr，））p1.start（）p2.start（）p3.start（）p1.join（）p2．该程序大约快三倍。为了和多线程版本进行对比，这里给出多进程版本：多进程版本在没有GIL的情况下，可以并行实现多个进程，即可以并行执行多个is_prime函数。不过，Python的多线程也不是一无是处。例如，对于计算密集型和I/O密集型程序，您可以使用sleep伪造I/O密集型任务：defio_task():time.sleep(0.01)在单线程、单线程中尝试taskprogram:if__name__=="__main__":for_inrange(3):io_task()I/O-bound单线程，单任务程序整个程序耗时30ms左右，没什么特别的。现在使用多线程：if__name__=="__main__":thread1=Thread(target=io_task)thread2=Thread(target=io_task)thread3=Thread(target=io_task)thread1.start()thread2.start()thread3.start()thread1.join()thread2.join()thread3.join()I/O-bound多线程程序程序耗时10ms。很明显三个线程并发工作，提高了整体性能。试试asyncioPython正在尝试引入另一个有趣的特性，称为异步编程。你可以制作一个异步版本的任务：t3=asyncio.create_task(io_task())awaitt1awaitt2awaitt3if__name__=="__main__":asyncio.run(main())由于asyncio字面意思是一个带任务的单线程调度器，你可以直接在上面使用VizTracer:VizTracerwithasyncio还是用了10ms，但是显示的大部分函数都是底层结构，用户可能不感兴趣。要解决这个问题，请使用--log_async来分隔真正的任务：viztracer--log_asyncmy_program.py使用--log_async来分隔任务现在用户任务更加清晰。大多数时候，没有任务在运行（因为它唯一做的就是睡眠）。有趣的部分在这里：任务创建和执行图这显示了任务创建和执行时间。Task-1是main()协程，它创建其他任务。Task-2、Task-3、Task-4执行io_task并休眠等待唤醒。如图所示，因为是单线程程序，任务之间没有重叠。VizTracer以这种方式可视化，以便于理解。为了让它更有趣，向任务添加一个time.sleep调用以防止异步循环：asyncdefio_task():time.sleep(0.01)awaitasyncio.sleep(0.01)time.sleep调用程序需要更长的时间（40ms），任务填补了异步调度器的空白。此功能对于诊断异步程序的行为和性能问题非常有帮助。看看VizTracer发生了什么？使用VizTracer，您可以在时间线上查看程序的进度，而不是从复杂的日志中想象。这有助于您更好地理解您的并发程序。VizTracer是开源的，在Apache2.0许可下发布，支持所有常见的操作系统（Linux、macOS和Windows）。您可以在VizTracer的GitHub存储库中了解有关其功能的更多信息并访问其源代码。
