多进程多函数场景下加密算法性能测量的PID获取与优化

原代码核心问题 #

• 多进程调用错误：target=Encryption() 会直接在主进程执行函数，而非子进程，导致PID传递完全失效
• 多进程全局变量不共享：pid 和 running 无法跨进程同步状态
• 函数调用错误：metric_collector 未定义，实际应为 cpuUsage
• 语法错误：running=true 应为Python布尔值 running=True
• timeit逻辑缺陷：未定义的加密函数参数（a,b,d）、外部变量注入方式错误，额外代码干扰性能测量

简洁可行的实现方案 #

采用线程替代进程做监控（线程开销远低于进程，且共享内存，无需复杂状态同步），同时确保timeit仅测量加密解密核心逻辑，最小化额外开销：

import sys
import random
import timeit
import psutil
import os
import time
from threading import Thread

def cpu_monitor(pid):
    """后台监控进程的CPU和内存占用"""
    p = psutil.Process(pid)
    while True:
        try:
            mem_usage = p.memory_info().rss / (1024 * 1024)
            cpu_percent = p.cpu_percent(interval=1)
            print(f'PID: {pid}\t|\tCPU Usage: {cpu_percent}%\t|\tMemory Usage: {mem_usage:.2f} MB')
        except psutil.NoSuchProcess:
            # 目标进程结束时自动停止监控
            break

def encryption_benchmark():
    pid = os.getpid()
    # 启动后台监控线程（daemon=True：主进程结束时自动终止）
    monitor_thread = Thread(target=cpu_monitor, args=(pid,), daemon=True)
    monitor_thread.start()

    # 生成测试数据集
    myList = [random.randint(-sys.maxsize, sys.maxsize) + random.random() for _ in range(1000)]
    
    # 替换为你实际的加密函数参数
    a, b, d = 1, 2, 3  

    print('Now running timeit function for speed metrics.')
    number = 1000
    # 正确注入timeit所需的变量和依赖
    setup = f'''
import homomorphic

myList = {myList!r}
a = {a!r}
b = {b!r}
d = {d!r}
'''
    enc_code = '''
for idx in range(len(myList)):
    myList[idx] = homomorphic.encryptMethod(a, b, myList[idx], d)
'''
    dec_code = '''
for idx in range(len(myList)):
    myList[idx] = homomorphic.decryptMethod(myList[idx])
'''

    # 仅测量加密+解密的核心逻辑时间
    total_time = timeit.timeit(setup=setup, stmt=enc_code + dec_code, number=number)
    
    # 输出性能指标
    avg_time_per_iter = total_time / number
    total_ops = number * len(myList)
    print(f'''
Average Time per Iteration:\t {avg_time_per_iter:.6f} seconds 
Total Time for {number} Iters:\t {total_time:.2f} seconds
Total Encrypted/Decrypted Values:\t {total_ops}
''')

if __name__ == '__main__':
    print('Beginning Metric Evaluation\n...\n')
    encryption_benchmark()

关键优化点 #

1. 线程监控替代进程：避免多进程的内存隔离问题，直接传递当前进程PID即可，开销极低
2. 精准性能测量：timeit仅执行加密解密逻辑，监控线程的后台操作不会干扰计时结果
3. 自动状态管理：监控线程设为守护线程，主进程结束时自动停止，无需手动维护running信号
4. 变量正确注入：用f-string格式化timeit的setup代码，确保测试数据和参数正确传入计时环境

内容的提问来源于stack exchange，提问作者lostInSpace