الانتقال إلى المحتوى الرئيسي
تساعدك أداة Profiler في DataStore على قياس زمن التنفيذ وتحديد مواضع اختناق الأداء.

​
البدء السريع

from chdb import datastore as pd
from chdb.datastore.config import config, get_profiler

# Enable profiling
config.enable_profiling()

# Run your operations
ds = pd.read_csv("large_data.csv")
result = (ds
    .filter(ds['amount'] > 100)
    .groupby('category')
    .agg({'amount': 'sum'})
    .sort('sum', ascending=False)
    .head(10)
    .to_df()
)

# View report
profiler = get_profiler()
print(profiler.report())

​
تمكين التنميط

from chdb.datastore.config import config

# Enable profiling
config.enable_profiling()

# Disable profiling
config.disable_profiling()

# Check if profiling is enabled
print(config.profiling_enabled)  # True or False

​
واجهة برمجة التطبيقات لـ Profiler

​
استرجاع Profiler

from chdb.datastore.config import get_profiler

profiler = get_profiler()

​
report()

يعرض تقريرًا عن الأداء. 
profiler.report(min_duration_ms=0.1)
المعلمات:
المعلمةالنوعالافتراضيالوصف
min_duration_msعدد عشري0.1اعرض فقط الخطوات التي مدتها >= هذه القيمة
ناتج المثال: 
======================================================================
EXECUTION PROFILE
======================================================================
   45.79ms (100.0%) Total Execution
     23.25ms ( 50.8%) Query Planning [ops_count=2]
     22.29ms ( 48.7%) SQL Segment 1 [ops=2]
       20.48ms ( 91.9%) SQL Execution
        1.74ms (  7.8%) Result to DataFrame
----------------------------------------------------------------------
      TOTAL:    45.79ms
======================================================================
يعرض التقرير ما يلي:
  • المدة بالمللي ثانية لكل خطوة
  • النسبة المئوية من وقت الخطوة الأب/إجمالي الوقت
  • التداخل الهرمي للعمليات
  • البيانات الوصفية لكل خطوة (مثلًا، ops_count وops)

​
step()

قِس مدة تنفيذ كتلة تعليمات برمجية يدويًا. 
with profiler.step("custom_operation"):
    # Your code here
    expensive_operation()

​
clear()

امسح جميع بيانات تحليل الأداء. 
profiler.clear()

​
summary()

يعيد قاموسًا يربط أسماء الخطوات بالمدد (مللي ثانية). 
summary = profiler.summary()
for name, duration in summary.items():
    print(f"{name}: {duration:.2f}ms")
ناتج المثال: 
Total Execution: 45.79ms
Total Execution.Cache Check: 0.00ms
Total Execution.Query Planning: 23.25ms
Total Execution.SQL Segment 1: 22.29ms
Total Execution.SQL Segment 1.SQL Execution: 20.48ms
Total Execution.SQL Segment 1.Result to DataFrame: 1.74ms

​
فهم التقرير

​
أسماء الخطوات

اسم الخطوةالوصف
Total Executionإجمالي وقت التنفيذ
Query Planningالوقت المستغرَق في تخطيط الاستعلام
SQL Segment Nتنفيذ مقطع SQL رقم N
SQL Executionالتنفيذ الفعلي لاستعلام SQL
Result to DataFrameتحويل النتائج إلى pandas
Cache Checkالتحقق من ذاكرة تخزين الاستعلامات المؤقتة
Cache Writeكتابة النتائج إلى ذاكرة التخزين المؤقت

​
المدة

  • خطوات التخطيط (تخطيط الاستعلام): تكون عادةً سريعة
  • خطوات التنفيذ (تنفيذ SQL): حيث يتم العمل الفعلي
  • خطوات النقل (من النتيجة إلى DataFrame): تحويل البيانات إلى pandas

​
تحديد مواطن الاختناق

======================================================================
EXECUTION PROFILE
======================================================================
  200.50ms (100.0%) Total Execution
    10.25ms (  5.1%) Query Planning [ops_count=4]
   190.00ms ( 94.8%) SQL Segment 1 [ops=4]
     185.00ms ( 97.4%) SQL Execution    <- Main bottleneck
       5.00ms (  2.6%) Result to DataFrame
----------------------------------------------------------------------
      TOTAL:   200.50ms
======================================================================

​
أنماط التنميط

​
حلّل استعلامًا واحدًا

config.enable_profiling()
profiler = get_profiler()
profiler.clear()  # Clear previous data

# Run query
result = ds.filter(...).groupby(...).agg(...).to_df()

# View this query's profile
print(profiler.report())

​
حلّل عدة استعلامات

config.enable_profiling()
profiler = get_profiler()
profiler.clear()

# Query 1
with profiler.step("Query 1"):
    result1 = query1.to_df()

# Query 2
with profiler.step("Query 2"):
    result2 = query2.to_df()

print(profiler.report())

​
مقارنة بين الأساليب

profiler = get_profiler()

# Approach 1: Filter then groupby
profiler.clear()
with profiler.step("filter_then_groupby"):
    result1 = ds.filter(ds['x'] > 10).groupby('y').sum().to_df()
summary1 = profiler.summary()
time1 = summary1.get('filter_then_groupby', 0)

# Approach 2: Groupby then filter
profiler.clear()
with profiler.step("groupby_then_filter"):
    result2 = ds.groupby('y').sum().filter(ds['x'] > 10).to_df()
summary2 = profiler.summary()
time2 = summary2.get('groupby_then_filter', 0)

print(f"Approach 1: {time1:.2f}ms")
print(f"Approach 2: {time2:.2f}ms")
print(f"Winner: {'Approach 1' if time1 < time2 else 'Approach 2'}")

​
نصائح لتحسين الأداء

​
1. تحقّق من وقت تنفيذ SQL

إذا كان SQL execution هو موضع الاختناق:
  • أضف المزيد من عوامل التصفية لتقليل حجم البيانات
  • استخدم Parquet بدلًا من CSV
  • تحقّق من وجود فهارس مناسبة (لمصادر البيانات المعتمدة على قواعد البيانات)

​
2. تحقّق من زمن I/O

إذا كان read_csv أو read_parquet هو موضع الاختناق:
  • استخدم Parquet (تنسيق عمودي ومضغوط)
  • اقرأ الأعمدة المطلوبة فقط
  • طبّق التصفية عند المصدر إن أمكن

​
3. تحقّق من نقل البيانات

إذا كان to_df بطيئًا:
  • قد تكون مجموعة النتائج كبيرة جدًا
  • أضف المزيد من عوامل التصفية أو ضع حدًا
  • استخدم head() للمعاينة

​
4. مقارنة المحركات

from chdb.datastore.config import config

# Profile with chdb
config.use_chdb()
profiler.clear()
result_chdb = query.to_df()
time_chdb = profiler.total_duration_ms

# Profile with pandas
config.use_pandas()
profiler.clear()
result_pandas = query.to_df()
time_pandas = profiler.total_duration_ms

print(f"chdb: {time_chdb:.2f}ms")
print(f"pandas: {time_pandas:.2f}ms")

​
أفضل الممارسات

​
1. حلّل الأداء قبل التحسين

# Don't guess - measure!
config.enable_profiling()
result = your_query.to_df()
print(get_profiler().report())

​
2. نظِّف بين الاختبارات

profiler.clear()  # Clear previous data
# Run test
print(profiler.report())

​
3. استخدم min_duration_ms للتركيز

# Only show operations >= 100ms
profiler.report(min_duration_ms=100)

​
4. حلّل البيانات النموذجية

# Profile with real-world data sizes
# Small test data may not show real bottlenecks

​
5. التعطيل في بيئة الإنتاج

# Development
config.enable_profiling()

# Production
config.set_profiling_enabled(False)  # Avoid overhead

​
مثال: جلسة التنميط الكاملة

from chdb import datastore as pd
from chdb.datastore.config import config, get_profiler

# Setup
config.enable_profiling()
config.enable_debug()  # Also see what's happening
profiler = get_profiler()

# Load data
profiler.clear()
print("=== Loading Data ===")
ds = pd.read_csv("sales_2024.csv")  # 10M rows
print(profiler.report())

# Query 1: Simple filter
profiler.clear()
print("\n=== Query 1: Simple Filter ===")
result1 = ds.filter(ds['amount'] > 1000).to_df()
print(profiler.report())

# Query 2: Complex aggregation
profiler.clear()
print("\n=== Query 2: Complex Aggregation ===")
result2 = (ds
    .filter(ds['amount'] > 100)
    .groupby('region', 'category')
    .agg({
        'amount': ['sum', 'mean', 'count'],
        'quantity': 'sum'
    })
    .sort('sum', ascending=False)
    .head(20)
    .to_df()
)
print(profiler.report())

# Summary
print("\n=== Summary ===")
print(f"Query 1: {len(result1)} rows")
print(f"Query 2: {len(result2)} rows")
آخر تعديل في ٢٥ يونيو ٢٠٢٦