### Python模块用于通过装饰器记录函数执行时间 为了实现一个能够记录函数执行时间的装饰器，可以通过`time`模块或者更高级的时间测量工具如`timeit`来完成。下面是一个完整的解决方案，展示如何创建这样一个装饰器并将其封装到一个可重用的Python模块中。 #### 创建日志功能的基础 首先，在名为 `log.py` 的文件中定义了一个获取logger对象的功能[^1]。此部分提供了基础的日志支持： ```python import logging def get_logger(): """Create and configure a logger.""" logger = logging.getLogger("execution_time_logger") handler = logging.StreamHandler() formatter = logging.Formatter("%(asctime)s - %(name)s - %(levelname)s - %(message)s") handler.setFormatter(formatter) logger.addHandler(handler) logger.setLevel(logging.INFO) return logger ``` #### 定义带有计时功能的装饰器 接下来，构建一个装饰器用来跟踪任何被修饰函数的运行时间。这里结合了前面提到的日志配置以及时间追踪的概念[^3]: ```python import time from log import get_logger logger = get_logger() def track_execution_time(func): """ A decorator to measure the execution time of functions. Logs the result with predefined logger configuration. """ def wrapper(*args, **kwargs): start_time = time.time() # Record the starting point in seconds since epoch result = func(*args, **kwargs) # Execute the actual function end_time = time.time() # Record when it finishes executing elapsed_time = (end_time - start_time) * 1000 # Convert into milliseconds logger.info(f"Function {func.__name__} took {elapsed_time:.2f} ms.") return result return wrapper ``` 上述代码片段展示了如何利用装饰器模式将额外的行为附加给现有函数——在这种情况下就是计算其耗时[^2]。 #### 应用实例 假设我们有一个简单的加法操作需要监控它的性能表现: ```python @track_execution_time def add(a, b): """A simple addition operation""" return a + b if __name__ == "__main__": sum_result = add(5, 7) print(f"The result is {sum_result}") ``` 当调用这个经过装饰后的add方法时，除了返回正常的结果外还会打印出关于它花费了多少毫秒的信息至控制台。 #### 结合其他技术扩展可能性 对于追求更高效率的应用场景来说，还可以考虑引入像Cython这样的工具进一步优化关键路径上的瓶颈问题[^4]。不过这通常适用于那些确实存在显著性能需求的情况之下；大多数日常开发工作中纯Python版本已经足够满足需求。 ---