如何通过Python装饰器实现生产环境下的函数执行时间监控？-Python教程-PHP中文网

应使用 time.perf_counter() 记录函数真实耗时，入口获取 start，出口获取 end，差值即为高精度耗时（秒，保留6位小数）；避免日志打爆需加阈值（如 threshold_ms=100）和抽样（如 sample_rate=0.01）。

如何通过python装饰器实现生产环境下的函数执行时间监控？

装饰器里怎么记录函数真实耗时

生产环境要监控执行时间，不能只用 time.time() 粗略包一层——它受系统时钟调整、线程调度影响，误差可能达毫秒级。应该用 time.perf_counter()，它是单调递增的高精度计时器，不受系统时间跳变干扰。

在装饰器入口调用一次 start = time.perf_counter()
函数执行完立刻再调用 end = time.perf_counter()
耗时就是 end - start，单位是秒，保留6位小数足够定位慢调用
别用 datetime.now() 或 time.clock()（Python 3.8+ 已移除）

如何避免日志打爆磁盘或影响主逻辑

直接每调用都写日志，在高频服务里会拖慢性能甚至填满磁盘。得加控制：只对超阈值、或抽样、或特定函数记录。

通过参数传入 threshold_ms=100，只记录超过100ms的调用
加 sample_rate=0.01（1%抽样），用 random.random() 判断是否记录
把日志发到结构化通道（如 logging.getLogger("perf")），方便后续用ELK或Prometheus采集
绝对不要在装饰器里做阻塞操作（比如同步写文件、HTTP上报），要用异步队列或延迟提交

装饰器怎么兼容带参数和不带参数的函数

如果装饰器本身要支持配置（比如自定义阈值），就必须能处理 @monitor(threshold_ms=50) 和 @monitor 两种写法，否则会报 TypeError: 'function' object is not callable。

Python 3.14.2

Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。

下载

核心是判断被装饰对象是不是函数：用 inspect.isfunction(func) 或检查 func is None
推荐三层嵌套写法：外层接收配置 → 中层返回装饰器 → 内层是实际 wrapper
别漏掉 @functools.wraps(func)，否则原函数的 __name__、__doc__ 全丢，调试时找不到是谁慢

示例关键片段：

def monitor(threshold_ms=100, sample_rate=1.0):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            # ... 计时逻辑
            return result
        return wrapper
    return decorator if callable(threshold_ms) else decorator