Python性能评测（文件关闭）

首先感谢您的关注。我的问题是如何减少代码的执行时间

这是相关代码。下面的代码是在迭代中从main调用的

def call_prism(prism_input_file,random_length):
   prism_output_file = "path.txt"
   cmd = "prism %s -simpath %d %s" % (prism_input_file,random_length,prism_output_file)
   p = os.popen(cmd)
   p.close()
   return prism_output_file


def main(prism_input_file, number_of_strings):
...
  for n in range(number_of_strings):
        prism_output_file = call_prism(prism_input_file,z[n])
        ...

  return

我在分析代码时使用了“概要统计信息浏览器”中的统计信息。“文件关闭”系统命令所用时间最长（14.546秒）。调用prism例程10次。但是字符串的数量通常是以千为单位的，因此，我的程序需要很多时间才能完成

---

如果你需要更多信息，请告诉我。顺便说一下，我也尝试过使用子流程。谢谢。

谢谢你对我问题的反馈。根据其他人提供的评论，我编写了代码的并行版本，代码的性能确实得到了提高。下面是并行版本的片段。欢迎您的反馈（如果有）

def call_prism(prism_input_file,random_length):
    ...   
    cmd = "prism %s -simpath %d stdout" % (prism_input_file,random_length)
    args = shlex.split(cmd)
    p = subprocess.Popen(args,stdout=subprocess.PIPE)
    p.poll()
    prism_output_lines = p.stdout.readlines()
    ...
    return ...

def call_prism_star(prism_input_file_random_length):
   return call_prism(*prism_input_file_random_length)

def main(prism_input_file, number_of_strings,number_of_threads):
   pool = Pool(processes=number_of_threads)
   for n in range(0,number_of_strings,number_of_threads):
   ...
      for i in range(number_of_threads):
          a_args.append(...)
      output = pool.map(call_prism_star,itertools.izip(itertools.repeat(prism_input_file),a_args))
   ...
    return

---

不管如何，您都应该使用subprocess，因为它替代了流程调用的所有其他方式。但我认为如果你必须使用一个系统流程，你就没有什么可以做的了。它们很昂贵。如果您不调用prism，而是调用一些琐碎的命令，例如

echo

，那么

p.close（）

还会占用这么多时间吗？prism进程可能只是在终止时执行一些长时间的清理操作。顺便说一句，如果prism调用彼此不依赖，您可能会通过在并行线程中运行多个进程（例如，在每个核心的线程上）来严重缩短执行时间。