Python 如何配置Jinja2模板？

我正在评测的Flask应用程序花了很长时间渲染其Jinja2模板

我已经安装了一个有趣的工具，但不幸的是，它并没有让我深入到模板渲染中去查看所有时间都花在了哪里

---

分析Jinja2模板的最佳方法是什么？

好问题。通常情况下，我不太需要剖析器，所以这是一个学习的好借口。下面的例子是：我编写了一个简单的分析jinja模板的示例

import cProfile as profile
import pstats
import StringIO

import jinja2
import time

pr = profile.Profile()

def slow():
    time.sleep(2)
    return "Booga!"

template = jinja2.Template(r'''
    {% for i in RANGE1 %}<h1>hello world {{ i}}</h1>{% endfor %}
    {% for i in RANGE2 %}<h1>foo bar {{ i}}</h1>{% endfor %}
    {{ SLOW() }}
        '''
        )

# here is the bit we want to profile
pr.enable()
context = {"RANGE1": range(1000000), "RANGE2":range(100), "SLOW":slow}
template.render(context)
pr.disable()


s = StringIO.StringIO()
ps = pstats.Stats(pr, stream=s).sort_stats("cumulative")
ps.print_stats()
print(s.getvalue())

将cProfile导入为配置文件
输入pstats
导入StringIO
进口金玉2
导入时间
pr=profile.profile（）
def slow（）：
时间。睡眠（2）
返回“Booga！”
模板=jinja2。模板（r''
{%1%范围内的i}你好世界{{i}{%endfor%}
{2%}foo bar{{i}{%endfor%}
{{SLOW（）}}
'''
)
#下面是我们要介绍的内容
pr.enable（）
上下文={“RANGE1”：范围（1000000），“RANGE2”：范围（100），“SLOW”：SLOW}
template.render（上下文）
pr.disable（）
s=StringIO.StringIO（）
ps=pstats.Stats（pr，stream=s）.sort_Stats（“累计”）
ps.打印统计数据（）
打印（s.getvalue（））

以下是报告的一个片段：

         1000130 function calls in 2.448 seconds

   Ordered by: cumulative time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    2.438    2.438 /usr/local/lib/python2.7/dist-packages/jinja2/environment.py:974(render)
        1    0.122    0.122    2.438    2.438 {method 'join' of 'unicode' objects}
  1000104    0.315    0.000    2.317    0.000 <template>:5(root)
        1    0.000    0.000    2.002    2.002 /usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:169(call)
        1    0.000    0.000    2.002    2.002 profilej.py:10(slow)
        1    2.002    2.002    2.002    2.002 {time.sleep}
        2    0.010    0.005    0.010    0.005 {range}
        1    0.000    0.000    0.000    0.000 /usr/local/lib/python2.7/dist-packages/jinja2/environment.py:1015(new_context)
        1    0.000    0.000    0.000    0.000 /usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:55(new_context)
        1    0.000    0.000    0.000    0.000 /usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:115(__init__)
        3    0.000    0.000    0.000    0.000 {hasattr}
        1    0.000    0.000    0.000    0.000 /usr/local/lib/python2.7/dist-packages/jinja2/_compat.py:59(<lambda>)
        1    0.000    0.000    0.000    0.000 /usr/local/lib/python2.7/dist-packages/jinja2/nodes.py:81(__init__)
        3    0.000    0.000    0.000    0.000 {getattr}
        3    0.000    0.000    0.000    0.000 /usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:149(resolve)
        1    0.000    0.000    0.000    0.000 /usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:126(<genexpr>)
        1    0.000    0.000    0.000    0.000 {callable}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.000    0.000    0.000    0.000 {method 'iteritems' of 'dict' objects}
        1    0.000    0.000    0.000    0.000 {isinstance}

1000130函数调用只需2.448秒
排序人：累计时间
ncalls tottime percall cumtime percall文件名：lineno（函数）
1 0.000 0.000 2.438 2.438/usr/local/lib/python2.7/dist-packages/jinja2/environment.py:974（渲染）
1 0.122 0.122 2.438 2.438{“unicode”对象的方法“连接”}
1000104 0.315 0.000 2.317 0.000:5（根）
1 0.000 0.000 2.002 2.002/usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:169（调用）
1 0.000 0.000 2.002 2.002剖面图J.py:10（慢速）
1 2.002 2.002 2.002 2.002{time.sleep}
2 0.010 0.005 0.010 0.005{range}
1 0.000 0.000 0.000 0.000/usr/local/lib/python2.7/dist-packages/jinja2/environment.py:1015（新上下文）
1 0.000 0.000 0.000 0.000/usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:55（新上下文）
1 0.000 0.000 0.000 0.000/usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:115
3 0.000 0.000 0.000 0.000{hasattr}
1 0.000 0.000 0.000 0.000/usr/local/lib/python2.7/dist packages/jinja2/_compat.py:59（）
1 0.000 0.000 0.000 0.000/usr/local/lib/python2.7/dist packages/jinja2/nodes.py:81
3 0.000 0.000 0.000 0.000{getattr}
3 0.000 0.000 0.000 0.000/usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:149（解析）
1 0.000 0.000 0.000 0.000/usr/local/lib/python2.7/dist-packages/jinja2/runtime.py:126（）
1 0.000 0.000 0.000 0.000{callable}
1 0.000 0.000 0.000 0.000{方法'disable'的''lsprof.Profiler'对象}
1 0.000 0.000 0.000 0.000{“dict”对象的“iteritems”方法}
1 0.000 0.000 0.000 0.000{isinstance}

正如我所说，我没有太多解释分析器输出的经验，但我认为在这个示例中，您可以看到程序在time.sleep上花费了略多于2秒的时间，这是由slow（）调用的。其余的时间被join占用。我假设Jinja2就是这样处理我的两个for循环的

将此示例改编为flask应用程序应该不会太难，只要在模板生成步骤周围添加分析位，并将报告写入文件即可。也许您甚至可以从web应用程序中提取模板，并在flask之外对其进行分析

---

我希望这会有所帮助。

对于运行Flask服务器这样的多线程应用程序，我发现常用的Python评测工具并没有那么好

我已经有了很好的结果，它是为多线程应用程序设计的。这很简单：

import yappi
yappi.start()

   [.. do stuff ..]

yappi.stop()
yappi.convert2pstats(yappi.get_func_stats()).dump_stats('myfile.pstats')

将配置文件数据保存在兼容的文件中，以便您可以在python中以交互方式检查它：

>>> import pstats 
>>> s = pstats.Stats('myfile.pstats')
>>> s.strip_dirs().sort_stats('cumtime').print_stats()

---

如果你想变得聪明，你可以将

start（）

位和

stop（）

位放在Flask Handler中，这样你就可以点击一个URL开始评测，驱动你的应用程序，然后点击另一个URL停止评测并写出统计文件

@akai:我不知道，但它看起来像蟒蛇。我认为在工具栏中的分析器中，您可以看到所有调用的方法。如果您手动筛选前面有jinja2的对象（即），您可能有渲染时间的估计值。可能有相关问题吗@MikeDunlavey答案很有趣，但在这种情况下似乎没有帮助。我试过了，但是stacktrace报告进程只在一行html代码处停止了—也就是说，jinja2模板中没有python代码—随后出现了一些jinja2内部代码，但没有显示在中断之前呈现的模板行。@AlexeySmirnov，尽管如果不是来自jinja2的慢速函数，这不起作用（例如，从flask），我觉得查看分析结果无论如何都是“最好”的方法，也许……好吧，我认为这与flask debugtoolbar提供的方法是一样的。我也尝试过，但我发现这比flask debugtoolbar没有多大帮助（至少在jinja2渲染方面）。