python同步/异步开发中如何进行调试与分析？python的gamla同步异步调试库的使用教程

gamla是 Python 的函数式编程库。

今天我们将研究它提供的 4 个功能，这些功能可帮助您查找代码中的错误和性能问题。

我们将关注debug、debug_exception和。timeitprofileit

前两个建立在本地breakpoint命令之上。

Python 有一个名为 pdb 的内置命令行调试器。可以通过breakpoint()在任何地方键入来调用它。

运行代码时，会在该位置暂停执行，并出现 pdb 命令提示符。

因为这是语言本身的一部分，我们可以用它来构建更高级的调试工具！

my_list = [1, 2, 'c', 4]
sorted_list = sorted(my_list, key=lambda x: x**2)

运行它会引发异常：

类型错误：** 或 pow() 不支持的操作数类型：“str”和“int”

所以通常你会在某处放置一个断点并对其进行调试，但通常你需要分解出 lambda 并将其放入一个函数中，将值赋给一个变量以便检查它。这会像这样：

def key_fn(x):
  breakpoint()
  return x**2

my_list = [1, 2, 'c', 4]
sorted_list = sorted(my_list, key=key_fn)

但这有点乏味。我们想要的是某种内联断点的方法。这就是debug进来的地方。

它的实现可以被认为是这样的：

def debug(x):
  breakpoint()
  return x

这允许我们像这样内联断点：

from gamla import debug

my_list = [1, 2, 'c', 4]
sorted_list = sorted(my_list, key=lambda x: debug(x)**2)

这意味着当我们只想看一些东西时不需要重构我们的代码。

如果您在管道中编程，这将特别有用：

from gamla import debug, pipe

pipe(
  x,
  f1,
  f2,
  debug,  # Will pause, enabling access into the value after `f2`, and before `f3`.
  f3,
)

调试后
有时我们已经有一个函数在做这项工作，我们只是想看看它返回什么。在这种情况下，使用 更方便debug_after，因为您可以将它写在函数之外，而不必费心将括号正确地放在值周围。

from gamla import debug_after

@debug_after
def key_fn(x):
  return x**2

my_list = [1, 2, 'c', 4]
sorted_list = sorted(my_list, key=key_fn)

自然，还有一个debug_before。

调试异常
这很好，但是如果我们有一个巨大的列表怎么办？我们将不得不循环使用很多值，直到我们找到显示问题的值。

debug_exception救援。它类似于debug_before，但只有在底层函数引发异常时才会中断。然后就可以查看导致此异常的值。

它可以用作装饰器或内联，包装一个函数。

from gamla import debug_exception

@debug_exception  # Will break only once!
def key_fn(x):
  return x**2

my_list = [1, 2, 'c', 4]
sorted_list = sorted(my_list, key=key_fn)

In [1]: @debug_exception # 只会中断一次！
   …: def key_fn(x): 
   …: 返回 x**2 
   …:
在 [2] 中：my_list = [1, 2, 'c', 4]
在 [3] 中：sorted_list = sorted(my_list, key=key_fn) 
> debug_utils.py(90)debug_exception() 
-> raise e 
(Pdb) x 
('c',) 
(Pdb) c 
…
请注意，输入值由 引用x，并显示为tuple，因为可能有多个参数。

如果您的函数是异步的，则上述所有函数的工作方式都相同。你不必担心。

计时
这个函数获取一个函数并记录它花费了多少时间。它还添加了一些颜色来指示它有多慢。

它也适用于async：

简介
这个实用程序在后台使用yappi来打印同步或异步函数上最慢的内部调用。

profileittimeit每个都有稍微不同的用途——前者非常详细并且执行速度慢，因此可用于在本地调试难以发现的问题，而后者速度极快并提供良好的输出，这意味着它可以安全使用在生产中。

将调试工具视为代码意味着您可以根据需要为自己构建一组工具，例如debug_compose，它会在管道中的每个步骤后暂停，或者将其与其他有用的概念一起使用，例如when(greater_than(3), debug)，它会让您查看值但仅如果他们通过了一些条件。

希望这对您有用，如果您发现有用的模式，请务必向我们发送 PR。