simple-python-audit 1.2.0__tar.gz → 1.3.0__tar.gz

simple_python_audit-1.3.0/PKG-INFO

@@ -0,0 +1,180 @@
+Metadata-Version: 2.4
+Name: simple-python-audit
+Version: 1.3.0
+Summary: Ferramenta de profiling com widget flutuante, exportação CSV e servidor de gerenciamento de logs.
+Author-email: Sadson Diego <sadsondiego@gmail.com>
+License: MIT
+Keywords: odoo,profiler,performance,pyinstrument,audit
+Classifier: Development Status :: 5 - Production/Stable
+Classifier: Programming Language :: Python :: 3.8
+Classifier: Programming Language :: Python :: 3.9
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Framework :: Odoo
+Classifier: Topic :: Software Development :: Debuggers
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: pyinstrument>=4.6.0
+Requires-Dist: typing-extensions>=4.0.0
+
+# Simple Python Audit Tool 🚀
+
+Ferramenta completa para medição de performance e auditoria de variáveis para Python.
+
+## 📦 Instalação
+
+```bash
+pip install .
+# Ou via GitHub
+pip install git+https://github.com/sadson/simple_python_audit.git
+```
+
+## 🎯 Como Usar
+
+```python
+from simple_python_audit import profile
+
+@profile(
+    html=True,
+    trace=True,
+    deep=True,
+    print_terminal=True,
+    save_csv=True,
+    output_path="/tmp/simple_python_audit_perf",
+)
+def meu_metodo_lento(self):
+    # Seu código aqui
+```
+
+### Parâmetros do decorador
+
+| Parâmetro        | Padrão                              | Descrição                                                                 |
+|------------------|-------------------------------------|---------------------------------------------------------------------------|
+| `html`           | `False`                             | Gera relatório interativo em HTML com widget flutuante                    |
+| `trace`          | `False`                             | Rastreia chamadas de funções e coleta métricas por função                 |
+| `deep`           | `False`                             | Aumenta granularidade do profiler (intervalo de 0,0001 s em vez de 0,001 s) |
+| `print_terminal` | `False`                             | Imprime tabela de métricas formatada no terminal ao final da execução     |
+| `save_csv`       | `False`                             | Salva os dados em arquivos CSV prontos para análise com pandas/IA         |
+| `output_path`    | `"/tmp/simple_python_audit_perf"`   | Diretório onde os relatórios (HTML e CSV) serão gravados                  |
+
+---
+
+## 📊 Saída no Terminal (`print_terminal=True`)
+
+Exibe uma tabela formatada diretamente no stdout ao término da função:
+
+```
+==============================================================
+  AUDIT: meu_metodo_lento  |  1.2345s
+==============================================================
+  CPU Total:             0.4567s
+  CPU Usage:             37.0%
+  Memory Current:        12.345 MB
+  Memory Peak:           15.678 MB
+  Memory Avg/Call:       2.34 KB/call
+  Total Calls Traced:    1234
+--------------------------------------------------------------
+  Top Functions by CPU Time:
+  Function                        Calls     Total       Avg      Peak
+  meu_metodo_lento                    1   1.2300s  1.23000s  1.23000s
+  _query                             42   0.4500s  0.01071s  0.02100s
+  ...
+--------------------------------------------------------------
+  Top Functions by Memory:
+  Function                        Calls   Total KB   Avg KB  Peak KB
+  _query                             42     512.30    12.20    48.50
+  ...
+```
+
+---
+
+## 💾 Exportação CSV (`save_csv=True`)
+
+Gera dois arquivos CSV em `output_path`, ideais para carregar em um `DataFrame` do pandas, alimentar uma IA ou construir dashboards.
+
+### `AUDIT_{func}_{timestamp}_summary.csv`
+
+Uma linha por execução com as métricas globais da chamada. Acumulando múltiplas execuções é possível rastrear regressões de performance ao longo do tempo.
+
+| Coluna                  | Tipo    | Descrição                                      |
+|-------------------------|---------|------------------------------------------------|
+| `timestamp`             | int     | Unix timestamp da execução                     |
+| `func_name`             | str     | Nome da função decorada                        |
+| `duration_s`            | float   | Tempo total de execução (segundos)             |
+| `cpu_total_s`           | float   | Tempo de CPU consumido (segundos)              |
+| `cpu_pct`               | float   | Percentual de uso de CPU                       |
+| `mem_current_mb`        | float   | Memória alocada ao final (MB)                  |
+| `mem_peak_mb`           | float   | Pico de memória durante a execução (MB)        |
+| `mem_avg_kb_per_call`   | float   | Média de memória por chamada de função (KB)    |
+| `total_calls_traced`    | int     | Total de chamadas de função rastreadas         |
+
+### `AUDIT_{func}_{timestamp}_trace.csv`
+
+Uma linha por função rastreada (requer `trace=True`). Permite identificar os gargalos com precisão.
+
+| Coluna             | Tipo  | Descrição                                     |
+|--------------------|-------|-----------------------------------------------|
+| `timestamp`        | int   | Unix timestamp — chave para junção com summary |
+| `func_name`        | str   | Nome da função decorada                       |
+| `called_function`  | str   | Nome da função rastreada                      |
+| `call_count`       | int   | Número de chamadas                            |
+| `total_time_s`     | float | Tempo total acumulado (segundos)              |
+| `avg_time_s`       | float | Tempo médio por chamada (segundos)            |
+| `peak_time_s`      | float | Pico de tempo em uma única chamada (segundos) |
+| `total_mem_kb`     | float | Memória total alocada (KB)                    |
+| `avg_mem_kb`       | float | Memória média por chamada (KB)                |
+| `peak_mem_kb`      | float | Pico de memória em uma única chamada (KB)     |
+
+### Exemplo de análise com pandas
+
+```python
+import pandas as pd
+import glob
+
+# Carregar todos os resumos de execuções
+summary = pd.concat([pd.read_csv(f) for f in glob.glob("/tmp/simple_python_audit_perf/*_summary.csv")])
+summary["timestamp"] = pd.to_datetime(summary["timestamp"], unit="s")
+summary.sort_values("timestamp").plot(x="timestamp", y="duration_s", title="Evolução do tempo de execução")
+
+# Carregar trace de uma execução específica
+trace = pd.read_csv("/tmp/simple_python_audit_perf/AUDIT_meu_metodo_lento_1234567890_trace.csv")
+trace.sort_values("total_time_s", ascending=False).head(10)
+```
+
+---
+
+## 🌐 Relatório HTML (`html=True`)
+
+Gera um arquivo `AUDIT_{func}_{timestamp}.html` com um widget flutuante interativo contendo:
+
+- **Painel de rastreamento (🚀):** tabela de chamadas de função com busca em tempo real
+- **Painel de métricas (📊):** cards de CPU e memória, tabelas de CPU e memória por função
+
+---
+
+## 🛠️ Servidor de Auditoria
+
+Interface web para visualizar e gerenciar os arquivos de relatório gerados.
+
+```bash
+# Via linha de comando
+simple-python-audit-server --port 8080 --dir /tmp/simple_python_audit_perf
+
+# Via Python
+from simple_python_audit import start_server
+start_server(port=8080, directory="/tmp/simple_python_audit_perf")
+```
+
+---
+
+## 🔗 Integração com Odoo
+
+Ao instalar em um ambiente com Odoo, o decorador `profile` é injetado automaticamente em `odoo.api`:
+
+```python
+from odoo import api
+
+@api.profile(html=True, trace=True, print_terminal=True, save_csv=True)
+def action_processar(self):
+    ...
+```

simple_python_audit-1.3.0/README.md

@@ -0,0 +1,161 @@
+# Simple Python Audit Tool 🚀
+
+Ferramenta completa para medição de performance e auditoria de variáveis para Python.
+
+## 📦 Instalação
+
+```bash
+pip install .
+# Ou via GitHub
+pip install git+https://github.com/sadson/simple_python_audit.git
+```
+
+## 🎯 Como Usar
+
+```python
+from simple_python_audit import profile
+
+@profile(
+    html=True,
+    trace=True,
+    deep=True,
+    print_terminal=True,
+    save_csv=True,
+    output_path="/tmp/simple_python_audit_perf",
+)
+def meu_metodo_lento(self):
+    # Seu código aqui
+```
+
+### Parâmetros do decorador
+
+| Parâmetro        | Padrão                              | Descrição                                                                 |
+|------------------|-------------------------------------|---------------------------------------------------------------------------|
+| `html`           | `False`                             | Gera relatório interativo em HTML com widget flutuante                    |
+| `trace`          | `False`                             | Rastreia chamadas de funções e coleta métricas por função                 |
+| `deep`           | `False`                             | Aumenta granularidade do profiler (intervalo de 0,0001 s em vez de 0,001 s) |
+| `print_terminal` | `False`                             | Imprime tabela de métricas formatada no terminal ao final da execução     |
+| `save_csv`       | `False`                             | Salva os dados em arquivos CSV prontos para análise com pandas/IA         |
+| `output_path`    | `"/tmp/simple_python_audit_perf"`   | Diretório onde os relatórios (HTML e CSV) serão gravados                  |
+
+---
+
+## 📊 Saída no Terminal (`print_terminal=True`)
+
+Exibe uma tabela formatada diretamente no stdout ao término da função:
+
+```
+==============================================================
+  AUDIT: meu_metodo_lento  |  1.2345s
+==============================================================
+  CPU Total:             0.4567s
+  CPU Usage:             37.0%
+  Memory Current:        12.345 MB
+  Memory Peak:           15.678 MB
+  Memory Avg/Call:       2.34 KB/call
+  Total Calls Traced:    1234
+--------------------------------------------------------------
+  Top Functions by CPU Time:
+  Function                        Calls     Total       Avg      Peak
+  meu_metodo_lento                    1   1.2300s  1.23000s  1.23000s
+  _query                             42   0.4500s  0.01071s  0.02100s
+  ...
+--------------------------------------------------------------
+  Top Functions by Memory:
+  Function                        Calls   Total KB   Avg KB  Peak KB
+  _query                             42     512.30    12.20    48.50
+  ...
+```
+
+---
+
+## 💾 Exportação CSV (`save_csv=True`)
+
+Gera dois arquivos CSV em `output_path`, ideais para carregar em um `DataFrame` do pandas, alimentar uma IA ou construir dashboards.
+
+### `AUDIT_{func}_{timestamp}_summary.csv`
+
+Uma linha por execução com as métricas globais da chamada. Acumulando múltiplas execuções é possível rastrear regressões de performance ao longo do tempo.
+
+| Coluna                  | Tipo    | Descrição                                      |
+|-------------------------|---------|------------------------------------------------|
+| `timestamp`             | int     | Unix timestamp da execução                     |
+| `func_name`             | str     | Nome da função decorada                        |
+| `duration_s`            | float   | Tempo total de execução (segundos)             |
+| `cpu_total_s`           | float   | Tempo de CPU consumido (segundos)              |
+| `cpu_pct`               | float   | Percentual de uso de CPU                       |
+| `mem_current_mb`        | float   | Memória alocada ao final (MB)                  |
+| `mem_peak_mb`           | float   | Pico de memória durante a execução (MB)        |
+| `mem_avg_kb_per_call`   | float   | Média de memória por chamada de função (KB)    |
+| `total_calls_traced`    | int     | Total de chamadas de função rastreadas         |
+
+### `AUDIT_{func}_{timestamp}_trace.csv`
+
+Uma linha por função rastreada (requer `trace=True`). Permite identificar os gargalos com precisão.
+
+| Coluna             | Tipo  | Descrição                                     |
+|--------------------|-------|-----------------------------------------------|
+| `timestamp`        | int   | Unix timestamp — chave para junção com summary |
+| `func_name`        | str   | Nome da função decorada                       |
+| `called_function`  | str   | Nome da função rastreada                      |
+| `call_count`       | int   | Número de chamadas                            |
+| `total_time_s`     | float | Tempo total acumulado (segundos)              |
+| `avg_time_s`       | float | Tempo médio por chamada (segundos)            |
+| `peak_time_s`      | float | Pico de tempo em uma única chamada (segundos) |
+| `total_mem_kb`     | float | Memória total alocada (KB)                    |
+| `avg_mem_kb`       | float | Memória média por chamada (KB)                |
+| `peak_mem_kb`      | float | Pico de memória em uma única chamada (KB)     |
+
+### Exemplo de análise com pandas
+
+```python
+import pandas as pd
+import glob
+
+# Carregar todos os resumos de execuções
+summary = pd.concat([pd.read_csv(f) for f in glob.glob("/tmp/simple_python_audit_perf/*_summary.csv")])
+summary["timestamp"] = pd.to_datetime(summary["timestamp"], unit="s")
+summary.sort_values("timestamp").plot(x="timestamp", y="duration_s", title="Evolução do tempo de execução")
+
+# Carregar trace de uma execução específica
+trace = pd.read_csv("/tmp/simple_python_audit_perf/AUDIT_meu_metodo_lento_1234567890_trace.csv")
+trace.sort_values("total_time_s", ascending=False).head(10)
+```
+
+---
+
+## 🌐 Relatório HTML (`html=True`)
+
+Gera um arquivo `AUDIT_{func}_{timestamp}.html` com um widget flutuante interativo contendo:
+
+- **Painel de rastreamento (🚀):** tabela de chamadas de função com busca em tempo real
+- **Painel de métricas (📊):** cards de CPU e memória, tabelas de CPU e memória por função
+
+---
+
+## 🛠️ Servidor de Auditoria
+
+Interface web para visualizar e gerenciar os arquivos de relatório gerados.
+
+```bash
+# Via linha de comando
+simple-python-audit-server --port 8080 --dir /tmp/simple_python_audit_perf
+
+# Via Python
+from simple_python_audit import start_server
+start_server(port=8080, directory="/tmp/simple_python_audit_perf")
+```
+
+---
+
+## 🔗 Integração com Odoo
+
+Ao instalar em um ambiente com Odoo, o decorador `profile` é injetado automaticamente em `odoo.api`:
+
+```python
+from odoo import api
+
+@api.profile(html=True, trace=True, print_terminal=True, save_csv=True)
+def action_processar(self):
+    ...
+```

{simple_python_audit-1.2.0 → simple_python_audit-1.3.0}/pyproject.toml

@@ -4,8 +4,8 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "simple-python-audit"
-version = "1.2.0"
-description = "Ferramenta de profiling com widget flutuante e servidor de gerenciamento de logs."
+version = "1.3.0"
+description = "Ferramenta de profiling com widget flutuante, exportação CSV e servidor de gerenciamento de logs."
 readme = "README.md"
 requires-python = ">=3.8"
 license = {text = "MIT"}

simple_python_audit-1.3.0/src/simple_python_audit/engine.py

@@ -0,0 +1,352 @@
+import os
+import csv as _csv
+import time
+import json
+import sys
+import logging
+import tracemalloc
+from functools import wraps
+from pyinstrument import Profiler
+from collections import defaultdict
+
+_logger = logging.getLogger(__name__)
+
+def html_escape(text):
+    return str(text).replace("&", "&amp;").replace("<", "&lt;").replace(">", "&gt;").replace('"', "&quot;")
+
+def _print_terminal(func_name, duration, cpu_total, current_mem, peak_mem,
+                    total_calls, stats_data, mem_stats_data, trace):
+    """Print audit metrics as a formatted table to stdout."""
+    cpu_pct = round(cpu_total / duration * 100, 1) if duration > 0 else 0
+    mem_current_mb = round(current_mem / 1024 / 1024, 3)
+    mem_peak_mb = round(peak_mem / 1024 / 1024, 3)
+    mem_avg = f"{round(peak_mem / total_calls / 1024, 2)} KB/call" if total_calls > 0 else "N/A"
+
+    width = 62
+    sep = "=" * width
+    thin = "-" * width
+
+    print(f"\n{sep}")
+    print(f"  AUDIT: {func_name}  |  {duration:.4f}s")
+    print(sep)
+    print(f"  {'CPU Total:':<22} {cpu_total:.4f}s")
+    print(f"  {'CPU Usage:':<22} {cpu_pct}%")
+    print(f"  {'Memory Current:':<22} {mem_current_mb} MB")
+    print(f"  {'Memory Peak:':<22} {mem_peak_mb} MB")
+    print(f"  {'Memory Avg/Call:':<22} {mem_avg}")
+    if trace:
+        print(f"  {'Total Calls Traced:':<22} {total_calls}")
+    print(thin)
+
+    if trace and stats_data:
+        print(f"  Top Functions by CPU Time:")
+        header = f"  {'Function':<30} {'Calls':>6} {'Total':>9} {'Avg':>9} {'Peak':>9}"
+        print(header)
+        print(f"  {'-'*30} {'-'*6} {'-'*9} {'-'*9} {'-'*9}")
+        for s in stats_data[:15]:
+            name = s['name'][:30]
+            print(f"  {name:<30} {s['count']:>6} {s['total']:>8}s {s['avg']:>8}s {s['peak']:>8}s")
+        print(thin)
+
+    if trace and mem_stats_data:
+        print(f"  Top Functions by Memory:")
+        header = f"  {'Function':<30} {'Calls':>6} {'Total KB':>10} {'Avg KB':>8} {'Peak KB':>8}"
+        print(header)
+        print(f"  {'-'*30} {'-'*6} {'-'*10} {'-'*8} {'-'*8}")
+        for s in mem_stats_data[:15]:
+            name = s['name'][:30]
+            print(f"  {name:<30} {s['count']:>6} {s['total_mem']:>10} {s['avg_mem']:>8} {s['peak_mem']:>8}")
+        print(thin)
+
+    print()
+
+
+def _save_csv(output_path, func_name, timestamp, duration, cpu_total, current_mem, peak_mem,
+              total_calls, stats_data, mem_stats_data, trace):
+    """
+    Save audit metrics to CSV files suitable for pandas/AI analysis.
+
+    Generates two files:
+    - AUDIT_{func_name}_{timestamp}_summary.csv : one row with all summary metrics
+    - AUDIT_{func_name}_{timestamp}_trace.csv   : per-function trace rows (when trace=True)
+    """
+    cpu_pct = round(cpu_total / duration * 100, 1) if duration > 0 else 0
+
+    # --- Summary CSV ---
+    summary_path = os.path.join(output_path, f"AUDIT_{func_name}_{timestamp}_summary.csv")
+    summary_row = {
+        "timestamp": timestamp,
+        "func_name": func_name,
+        "duration_s": round(duration, 6),
+        "cpu_total_s": round(cpu_total, 6),
+        "cpu_pct": cpu_pct,
+        "mem_current_mb": round(current_mem / 1024 / 1024, 6),
+        "mem_peak_mb": round(peak_mem / 1024 / 1024, 6),
+        "mem_avg_kb_per_call": round(peak_mem / total_calls / 1024, 4) if total_calls > 0 else None,
+        "total_calls_traced": total_calls if trace else None,
+    }
+    with open(summary_path, "w", newline="", encoding="utf-8") as f:
+        writer = _csv.DictWriter(f, fieldnames=list(summary_row.keys()))
+        writer.writeheader()
+        writer.writerow(summary_row)
+
+    # --- Trace CSV (only when trace=True) ---
+    if trace and (stats_data or mem_stats_data):
+        trace_path = os.path.join(output_path, f"AUDIT_{func_name}_{timestamp}_trace.csv")
+        # Merge cpu and mem stats by function name
+        mem_by_name = {s["name"]: s for s in mem_stats_data}
+        fieldnames = [
+            "timestamp", "func_name", "called_function",
+            "call_count",
+            "total_time_s", "avg_time_s", "peak_time_s",
+            "total_mem_kb", "avg_mem_kb", "peak_mem_kb",
+        ]
+        with open(trace_path, "w", newline="", encoding="utf-8") as f:
+            writer = _csv.DictWriter(f, fieldnames=fieldnames)
+            writer.writeheader()
+            for s in stats_data:
+                mem = mem_by_name.get(s["name"], {})
+                writer.writerow({
+                    "timestamp": timestamp,
+                    "func_name": func_name,
+                    "called_function": s["name"],
+                    "call_count": s["count"],
+                    "total_time_s": s["total"],
+                    "avg_time_s": s["avg"],
+                    "peak_time_s": s["peak"],
+                    "total_mem_kb": mem.get("total_mem", None),
+                    "avg_mem_kb": mem.get("avg_mem", None),
+                    "peak_mem_kb": mem.get("peak_mem", None),
+                })
+
+    return summary_path
+
+
+def profile(html=False, output_path="/tmp/simple_python_audit_perf", deep=False, trace=False,
+            print_terminal=False, save_csv=False):
+    def decorator(func):
+        @wraps(func)
+        def wrapper(*args, **kwargs):
+            interval = 0.0001 if deep else 0.001
+            profiler = Profiler(interval=interval)
+            call_stats = defaultdict(lambda: {
+                'count': 0, 'total_time': 0.0, 'peak_time': 0.0,
+                'total_mem': 0, 'peak_mem': 0,
+                'stack': [], 'mem_stack': []
+            })
+
+            def trace_calls(frame, event, arg):
+                if event == 'call':
+                    f_name = frame.f_code.co_name
+                    call_stats[f_name]['count'] += 1
+                    call_stats[f_name]['stack'].append(time.time())
+                    call_stats[f_name]['mem_stack'].append(
+                        tracemalloc.get_traced_memory()[0] if tracemalloc.is_tracing() else 0
+                    )
+                elif event == 'return':
+                    f_name = frame.f_code.co_name
+                    if call_stats[f_name]['stack']:
+                        elapsed = time.time() - call_stats[f_name]['stack'].pop()
+                        call_stats[f_name]['total_time'] += elapsed
+                        call_stats[f_name]['peak_time'] = max(call_stats[f_name]['peak_time'], elapsed)
+                    if call_stats[f_name]['mem_stack']:
+                        start_mem = call_stats[f_name]['mem_stack'].pop()
+                        if tracemalloc.is_tracing():
+                            mem_delta = max(0, tracemalloc.get_traced_memory()[0] - start_mem)
+                            call_stats[f_name]['total_mem'] += mem_delta
+                            call_stats[f_name]['peak_mem'] = max(call_stats[f_name]['peak_mem'], mem_delta)
+                return trace_calls
+
+            needs_output = html or print_terminal or save_csv
+            if needs_output:
+                _was_tracing = tracemalloc.is_tracing()
+                if not _was_tracing:
+                    tracemalloc.start()
+                cpu_start = time.process_time()
+
+            if trace:
+                sys.settrace(trace_calls)
+
+            profiler.start()
+            start_real_time = time.time()
+            try:
+                return func(*args, **kwargs)
+            finally:
+                profiler.stop()
+                if trace:
+                    sys.settrace(None)
+
+                duration = time.time() - start_real_time
+
+                if needs_output:
+                    cpu_total = time.process_time() - cpu_start
+                    if tracemalloc.is_tracing():
+                        current_mem, peak_mem = tracemalloc.get_traced_memory()
+                    else:
+                        current_mem, peak_mem = 0, 0
+                    if not _was_tracing:
+                        tracemalloc.stop()
+
+                    if not os.path.exists(output_path):
+                        os.makedirs(output_path)
+
+                    stats_data = []
+                    mem_stats_data = []
+                    if trace:
+                        stats_data = [
+                            {
+                                "name": k,
+                                "count": v['count'],
+                                "total": round(v['total_time'], 4),
+                                "avg": round(v['total_time'] / v['count'], 5),
+                                "peak": round(v['peak_time'], 5),
+                            }
+                            for k, v in sorted(call_stats.items(), key=lambda x: x[1]['total_time'], reverse=True)
+                            if v['count'] > 0
+                        ][:50]
+                        mem_stats_data = [
+                            {
+                                "name": k,
+                                "count": v['count'],
+                                "total_mem": round(v['total_mem'] / 1024, 2),
+                                "avg_mem": round(v['total_mem'] / v['count'] / 1024, 2) if v['count'] > 0 else 0,
+                                "peak_mem": round(v['peak_mem'] / 1024, 2),
+                            }
+                            for k, v in sorted(call_stats.items(), key=lambda x: x[1]['total_mem'], reverse=True)
+                            if v['count'] > 0
+                        ][:50]
+
+                    total_calls = sum(v['count'] for v in call_stats.values()) if trace else 0
+
+                    if html:
+                        vars_snap = {"args": [str(a)[:500] for a in args], "kwargs": {k: str(v)[:500] for k, v in kwargs.items()}}
+                        perf_data = {
+                            "func": func.__name__,
+                            "dur": f"{duration:.4f}s",
+                            "cpu_total": f"{cpu_total:.4f}s",
+                            "cpu_pct": f"{round(cpu_total / duration * 100, 1) if duration > 0 else 0}%",
+                            "mem_current": f"{round(current_mem / 1024 / 1024, 3)} MB",
+                            "mem_peak": f"{round(peak_mem / 1024 / 1024, 3)} MB",
+                            "mem_avg": f"{round(peak_mem / total_calls / 1024, 2)} KB/call" if total_calls > 0 else "N/A",
+                            "has_trace": trace,
+                            "stats": stats_data,
+                            "mem_stats": mem_stats_data,
+                        }
+
+                        injection_script = f"""
+                        <script>
+                        (function() {{
+                            const d = {{ func: "{func.__name__}", dur: "{duration:.4f}s", vars: {json.dumps(vars_snap)}, stats: {json.dumps(stats_data)} }};
+                            const p = {json.dumps(perf_data)};
+                            function render() {{
+                                if (document.getElementById('odoo-audit-host')) return;
+                                const host = document.createElement('div');
+                                host.id = 'odoo-audit-host';
+                                host.style = 'position:fixed;bottom:20px;right:20px;z-index:2147483647;';
+                                document.documentElement.appendChild(host);
+                                const shadow = host.attachShadow({{mode:'open'}});
+                                const root = document.createElement('div');
+                                root.innerHTML = `
+                                    <style>
+                                        :host {{ all: initial; }}
+                                        .fab {{ width:55px;height:55px;color:white;border-radius:50%;display:flex;align-items:center;justify-content:center;cursor:pointer;box-shadow:0 4px 15px rgba(0,0,0,0.4);font-size:22px;border:2px solid white;position:fixed;bottom:20px;transition:0.2s; }}
+                                        .fab:hover {{ transform:scale(1.1); }}
+                                        .fab1 {{ background:#714B67;right:20px; }}
+                                        .fab2 {{ background:#1a6b8a;right:85px; }}
+                                        .modal {{ display:none;position:fixed;bottom:85px;right:20px;width:500px;max-height:75vh;background:white;border-radius:12px;box-shadow:0 10px 40px rgba(0,0,0,0.4);flex-direction:column;font-family:sans-serif;overflow:hidden; }}
+                                        .modal.open {{ display:flex; }}
+                                        .hdr {{ color:white;padding:12px;display:flex;justify-content:space-between;font-weight:bold; }}
+                                        .hdr1 {{ background:#714B67; }}
+                                        .hdr2 {{ background:#1a6b8a; }}
+                                        .body {{ padding:15px;overflow-y:auto;background:white;color:#333; }}
+                                        input[type=text] {{ width:95%;padding:8px;margin:10px 0;border:1px solid #ddd;border-radius:4px; }}
+                                        table {{ width:100%;border-collapse:collapse;font-size:12px; }}
+                                        th {{ background:#f4f4f4;padding:8px;text-align:left;position:sticky;top:0; }}
+                                        td {{ padding:8px;border-bottom:1px solid #eee; }}
+                                        pre {{ background:#1e1e1e;color:#9cdcfe;padding:10px;font-size:11px;border-radius:4px;max-height:150px;overflow:auto; }}
+                                        .grid {{ display:grid;grid-template-columns:1fr 1fr;gap:8px;margin-bottom:12px; }}
+                                        .card {{ background:#f8f9fa;border-radius:8px;padding:10px;border-left:4px solid #1a6b8a; }}
+                                        .card.warn {{ border-left-color:#e53e3e; }}
+                                        .card .lbl {{ font-size:10px;color:#666;text-transform:uppercase;letter-spacing:.5px; }}
+                                        .card .val {{ font-size:17px;font-weight:bold;color:#1a6b8a;margin-top:3px; }}
+                                        .card.warn .val {{ color:#e53e3e; }}
+                                        .sec {{ font-size:12px;font-weight:bold;color:#444;margin:10px 0 5px;border-bottom:1px solid #eee;padding-bottom:3px; }}
+                                        .no-trace {{ background:#fff3cd;padding:10px;border-radius:6px;font-size:12px;color:#856404;text-align:center;margin:8px 0; }}
+                                    </style>
+                                    <div class="modal" id="m1">
+                                        <div class="hdr hdr1"><span>🚀 ${{d.func}}</span><span>${{d.dur}}</span></div>
+                                        <div class="body">
+                                            <details><summary style="cursor:pointer;color:#714B67">📦 Vars</summary><pre>${{JSON.stringify(d.vars,null,2)}}</pre></details>
+                                            <input type="text" id="s1" placeholder="Buscar função...">
+                                            <table><thead><tr><th>Função</th><th>Calls</th><th>Total</th><th>Média</th><th>Pico</th></tr></thead>
+                                            <tbody id="tb1">${{d.stats.map(s=>`<tr class="r1"><td class="n1" style="font-family:monospace">${{s.name}}</td><td align="center">${{s.count}}</td><td align="right">${{s.total}}s</td><td align="right">${{s.avg}}s</td><td align="right">${{s.peak||'-'}}s</td></tr>`).join('')}}</tbody>
+                                            </table>
+                                        </div>
+                                    </div>
+                                    <div class="modal" id="m2">
+                                        <div class="hdr hdr2"><span>📊 ${{p.func}}</span><span>${{p.dur}}</span></div>
+                                        <div class="body">
+                                            <div class="grid">
+                                                <div class="card"><div class="lbl">CPU Total</div><div class="val">${{p.cpu_total}}</div></div>
+                                                <div class="card"><div class="lbl">Uso de CPU</div><div class="val">${{p.cpu_pct}}</div></div>
+                                                <div class="card"><div class="lbl">Memória Final</div><div class="val">${{p.mem_current}}</div></div>
+                                                <div class="card warn"><div class="lbl">Pico de Memória</div><div class="val">${{p.mem_peak}}</div></div>
+                                                <div class="card" style="grid-column:1/-1"><div class="lbl">Memória Média por Chamada</div><div class="val">${{p.mem_avg}}</div></div>
+                                            </div>
+                                            ${{p.has_trace ?
+                                                `<div class="sec">⏱ CPU por Função</div>
+                                                <input type="text" id="s2" placeholder="Buscar função...">
+                                                <table><thead><tr><th>Função</th><th>Calls</th><th>Total</th><th>Média</th><th>Pico</th></tr></thead>
+                                                <tbody id="tb2">${{p.stats.map(s=>`<tr class="r2"><td class="n2" style="font-family:monospace">${{s.name}}</td><td align="center">${{s.count}}</td><td align="right">${{s.total}}s</td><td align="right">${{s.avg}}s</td><td align="right">${{s.peak}}s</td></tr>`).join('')}}</tbody>
+                                                </table>
+                                                <div class="sec">💾 Memória por Função</div>
+                                                <table><thead><tr><th>Função</th><th>Calls</th><th>Total (KB)</th><th>Média (KB)</th><th>Pico (KB)</th></tr></thead>
+                                                <tbody>${{p.mem_stats.map(s=>`<tr><td style="font-family:monospace">${{s.name}}</td><td align="center">${{s.count}}</td><td align="right">${{s.total_mem}}</td><td align="right">${{s.avg_mem}}</td><td align="right">${{s.peak_mem}}</td></tr>`).join('')}}</tbody>
+                                                </table>`
+                                            : `<div class="no-trace">⚠️ Habilite <b>trace=True</b> para métricas por função</div>`
+                                            }}
+                                        </div>
+                                    </div>
+                                    <div class="fab fab1" id="b1">🚀</div>
+                                    <div class="fab fab2" id="b2">📊</div>
+                                `;
+                                const m1 = root.querySelector('#m1');
+                                const m2 = root.querySelector('#m2');
+                                root.querySelector('#b1').onclick = () => {{ m1.classList.toggle('open'); m2.classList.remove('open'); }};
+                                root.querySelector('#b2').onclick = () => {{ m2.classList.toggle('open'); m1.classList.remove('open'); }};
+                                root.querySelector('#s1').oninput = (e) => {{
+                                    const v = e.target.value.toLowerCase();
+                                    root.querySelectorAll('.r1').forEach(r => r.style.display = r.querySelector('.n1').textContent.toLowerCase().includes(v) ? '' : 'none');
+                                }};
+                                const s2 = root.querySelector('#s2');
+                                if (s2) s2.oninput = (e) => {{
+                                    const v = e.target.value.toLowerCase();
+                                    root.querySelectorAll('.r2').forEach(r => r.style.display = r.querySelector('.n2').textContent.toLowerCase().includes(v) ? '' : 'none');
+                                }};
+                                shadow.appendChild(root);
+                            }}
+                            setInterval(render, 1000); render();
+                        }})();
+                        </script>
+                        """
+                        pyinstrument_html = profiler.output_html()
+                        final_html = pyinstrument_html.replace('</html>', f'{injection_script}</html>')
+                        filepath = os.path.join(output_path, f"AUDIT_{func.__name__}_{int(time.time())}.html")
+                        with open(filepath, "w", encoding="utf-8") as f:
+                            f.write(final_html)
+
+                    if print_terminal:
+                        _print_terminal(
+                            func.__name__, duration, cpu_total, current_mem, peak_mem,
+                            total_calls, stats_data, mem_stats_data, trace,
+                        )
+
+                    if save_csv:
+                        _save_csv(
+                            output_path, func.__name__, int(time.time()),
+                            duration, cpu_total, current_mem, peak_mem,
+                            total_calls, stats_data, mem_stats_data, trace,
+                        )
+
+        return wrapper
+    return decorator

simple_python_audit-1.3.0/src/simple_python_audit.egg-info/PKG-INFO

@@ -0,0 +1,180 @@
+Metadata-Version: 2.4
+Name: simple-python-audit
+Version: 1.3.0
+Summary: Ferramenta de profiling com widget flutuante, exportação CSV e servidor de gerenciamento de logs.
+Author-email: Sadson Diego <sadsondiego@gmail.com>
+License: MIT
+Keywords: odoo,profiler,performance,pyinstrument,audit
+Classifier: Development Status :: 5 - Production/Stable
+Classifier: Programming Language :: Python :: 3.8
+Classifier: Programming Language :: Python :: 3.9
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Framework :: Odoo
+Classifier: Topic :: Software Development :: Debuggers
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: pyinstrument>=4.6.0
+Requires-Dist: typing-extensions>=4.0.0
+
+# Simple Python Audit Tool 🚀
+
+Ferramenta completa para medição de performance e auditoria de variáveis para Python.
+
+## 📦 Instalação
+
+```bash
+pip install .
+# Ou via GitHub
+pip install git+https://github.com/sadson/simple_python_audit.git
+```
+
+## 🎯 Como Usar
+
+```python
+from simple_python_audit import profile
+
+@profile(
+    html=True,
+    trace=True,
+    deep=True,
+    print_terminal=True,
+    save_csv=True,
+    output_path="/tmp/simple_python_audit_perf",
+)
+def meu_metodo_lento(self):
+    # Seu código aqui
+```
+
+### Parâmetros do decorador
+
+| Parâmetro        | Padrão                              | Descrição                                                                 |
+|------------------|-------------------------------------|---------------------------------------------------------------------------|
+| `html`           | `False`                             | Gera relatório interativo em HTML com widget flutuante                    |
+| `trace`          | `False`                             | Rastreia chamadas de funções e coleta métricas por função                 |
+| `deep`           | `False`                             | Aumenta granularidade do profiler (intervalo de 0,0001 s em vez de 0,001 s) |
+| `print_terminal` | `False`                             | Imprime tabela de métricas formatada no terminal ao final da execução     |
+| `save_csv`       | `False`                             | Salva os dados em arquivos CSV prontos para análise com pandas/IA         |
+| `output_path`    | `"/tmp/simple_python_audit_perf"`   | Diretório onde os relatórios (HTML e CSV) serão gravados                  |
+
+---
+
+## 📊 Saída no Terminal (`print_terminal=True`)
+
+Exibe uma tabela formatada diretamente no stdout ao término da função:
+
+```
+==============================================================
+  AUDIT: meu_metodo_lento  |  1.2345s
+==============================================================
+  CPU Total:             0.4567s
+  CPU Usage:             37.0%
+  Memory Current:        12.345 MB
+  Memory Peak:           15.678 MB
+  Memory Avg/Call:       2.34 KB/call
+  Total Calls Traced:    1234
+--------------------------------------------------------------
+  Top Functions by CPU Time:
+  Function                        Calls     Total       Avg      Peak
+  meu_metodo_lento                    1   1.2300s  1.23000s  1.23000s
+  _query                             42   0.4500s  0.01071s  0.02100s
+  ...
+--------------------------------------------------------------
+  Top Functions by Memory:
+  Function                        Calls   Total KB   Avg KB  Peak KB
+  _query                             42     512.30    12.20    48.50
+  ...
+```
+
+---
+
+## 💾 Exportação CSV (`save_csv=True`)
+
+Gera dois arquivos CSV em `output_path`, ideais para carregar em um `DataFrame` do pandas, alimentar uma IA ou construir dashboards.
+
+### `AUDIT_{func}_{timestamp}_summary.csv`
+
+Uma linha por execução com as métricas globais da chamada. Acumulando múltiplas execuções é possível rastrear regressões de performance ao longo do tempo.
+
+| Coluna                  | Tipo    | Descrição                                      |
+|-------------------------|---------|------------------------------------------------|
+| `timestamp`             | int     | Unix timestamp da execução                     |
+| `func_name`             | str     | Nome da função decorada                        |
+| `duration_s`            | float   | Tempo total de execução (segundos)             |
+| `cpu_total_s`           | float   | Tempo de CPU consumido (segundos)              |
+| `cpu_pct`               | float   | Percentual de uso de CPU                       |
+| `mem_current_mb`        | float   | Memória alocada ao final (MB)                  |
+| `mem_peak_mb`           | float   | Pico de memória durante a execução (MB)        |
+| `mem_avg_kb_per_call`   | float   | Média de memória por chamada de função (KB)    |
+| `total_calls_traced`    | int     | Total de chamadas de função rastreadas         |
+
+### `AUDIT_{func}_{timestamp}_trace.csv`
+
+Uma linha por função rastreada (requer `trace=True`). Permite identificar os gargalos com precisão.
+
+| Coluna             | Tipo  | Descrição                                     |
+|--------------------|-------|-----------------------------------------------|
+| `timestamp`        | int   | Unix timestamp — chave para junção com summary |
+| `func_name`        | str   | Nome da função decorada                       |
+| `called_function`  | str   | Nome da função rastreada                      |
+| `call_count`       | int   | Número de chamadas                            |
+| `total_time_s`     | float | Tempo total acumulado (segundos)              |
+| `avg_time_s`       | float | Tempo médio por chamada (segundos)            |
+| `peak_time_s`      | float | Pico de tempo em uma única chamada (segundos) |
+| `total_mem_kb`     | float | Memória total alocada (KB)                    |
+| `avg_mem_kb`       | float | Memória média por chamada (KB)                |
+| `peak_mem_kb`      | float | Pico de memória em uma única chamada (KB)     |
+
+### Exemplo de análise com pandas
+
+```python
+import pandas as pd
+import glob
+
+# Carregar todos os resumos de execuções
+summary = pd.concat([pd.read_csv(f) for f in glob.glob("/tmp/simple_python_audit_perf/*_summary.csv")])
+summary["timestamp"] = pd.to_datetime(summary["timestamp"], unit="s")
+summary.sort_values("timestamp").plot(x="timestamp", y="duration_s", title="Evolução do tempo de execução")
+
+# Carregar trace de uma execução específica
+trace = pd.read_csv("/tmp/simple_python_audit_perf/AUDIT_meu_metodo_lento_1234567890_trace.csv")
+trace.sort_values("total_time_s", ascending=False).head(10)
+```
+
+---
+
+## 🌐 Relatório HTML (`html=True`)
+
+Gera um arquivo `AUDIT_{func}_{timestamp}.html` com um widget flutuante interativo contendo:
+
+- **Painel de rastreamento (🚀):** tabela de chamadas de função com busca em tempo real
+- **Painel de métricas (📊):** cards de CPU e memória, tabelas de CPU e memória por função
+
+---
+
+## 🛠️ Servidor de Auditoria
+
+Interface web para visualizar e gerenciar os arquivos de relatório gerados.
+
+```bash
+# Via linha de comando
+simple-python-audit-server --port 8080 --dir /tmp/simple_python_audit_perf
+
+# Via Python
+from simple_python_audit import start_server
+start_server(port=8080, directory="/tmp/simple_python_audit_perf")
+```
+
+---
+
+## 🔗 Integração com Odoo
+
+Ao instalar em um ambiente com Odoo, o decorador `profile` é injetado automaticamente em `odoo.api`:
+
+```python
+from odoo import api
+
+@api.profile(html=True, trace=True, print_terminal=True, save_csv=True)
+def action_processar(self):
+    ...
+```

simple_python_audit-1.2.0/PKG-INFO

@@ -1,56 +0,0 @@
-Metadata-Version: 2.4
-Name: simple-python-audit
-Version: 1.2.0
-Summary: Ferramenta de profiling com widget flutuante e servidor de gerenciamento de logs.
-Author-email: Sadson Diego <sadsondiego@gmail.com>
-License: MIT
-Keywords: odoo,profiler,performance,pyinstrument,audit
-Classifier: Development Status :: 5 - Production/Stable
-Classifier: Programming Language :: Python :: 3.8
-Classifier: Programming Language :: Python :: 3.9
-Classifier: Programming Language :: Python :: 3.10
-Classifier: Programming Language :: Python :: 3.11
-Classifier: Framework :: Odoo
-Classifier: Topic :: Software Development :: Debuggers
-Requires-Python: >=3.8
-Description-Content-Type: text/markdown
-Requires-Dist: pyinstrument>=4.6.0
-Requires-Dist: typing-extensions>=4.0.0
-
-# Simple Python Audit Tool 🚀
-
-Ferramenta completa para medição de performance e auditoria de variáveis para python.
-
-## 📦 Instalação
-
-```bash
-pip install .
-# Ou via GitHub
-pip install git+[https://github.com/sadson/simple_python_audit.git](https://github.com/sadson/simple_python_audit.git)
-
-## 🎯 Como Usar
-
-```python
-from simple_python_audit import profile
-
-@profile(html=True, output_path="/tmp/simple_python_audit_perf" ,trace=True, deep=True)
-def meu_metodo_lento(self):
-    # Seu código aqui
-```
-
-**Parâmetros:**
-- `html=True`: Gera relatório em HTML
-- `trace=True`: Rastreia chamadas de funções
-- `deep=True`: Rastreia chamadas com tempo de execução a partir de 0.0001 ms
-- `output_path`: Caminho para salvar os relatórios gerados
-
-## 🛠️ Executar Servidor de Auditoria
-
-```bash
-simple-python-audit-server --port 8080 --dir /tmp/odoo_perf
-ou 
-via python
-
-from simple_python_audit import start_server
-start_server(port=8080, directory="/tmp/odoo_perf")
-```

simple_python_audit-1.2.0/README.md

@@ -1,37 +0,0 @@
-# Simple Python Audit Tool 🚀
-
-Ferramenta completa para medição de performance e auditoria de variáveis para python.
-
-## 📦 Instalação
-
-```bash
-pip install .
-# Ou via GitHub
-pip install git+[https://github.com/sadson/simple_python_audit.git](https://github.com/sadson/simple_python_audit.git)
-
-## 🎯 Como Usar
-
-```python
-from simple_python_audit import profile
-
-@profile(html=True, output_path="/tmp/simple_python_audit_perf" ,trace=True, deep=True)
-def meu_metodo_lento(self):
-    # Seu código aqui
-```
-
-**Parâmetros:**
-- `html=True`: Gera relatório em HTML
-- `trace=True`: Rastreia chamadas de funções
-- `deep=True`: Rastreia chamadas com tempo de execução a partir de 0.0001 ms
-- `output_path`: Caminho para salvar os relatórios gerados
-
-## 🛠️ Executar Servidor de Auditoria
-
-```bash
-simple-python-audit-server --port 8080 --dir /tmp/odoo_perf
-ou 
-via python
-
-from simple_python_audit import start_server
-start_server(port=8080, directory="/tmp/odoo_perf")
-```

simple_python_audit-1.2.0/src/simple_python_audit/engine.py

@@ -1,226 +0,0 @@
-import os
-import time
-import json
-import sys
-import logging
-import tracemalloc
-from functools import wraps
-from pyinstrument import Profiler
-from collections import defaultdict
-
-_logger = logging.getLogger(__name__)
-
-def html_escape(text):
-    return str(text).replace("&", "&amp;").replace("<", "&lt;").replace(">", "&gt;").replace('"', "&quot;")
-
-def profile(html=False, output_path="/tmp/simple_python_audit_perf", deep=False, trace=False):
-    def decorator(func):
-        @wraps(func)
-        def wrapper(*args, **kwargs):
-            interval = 0.0001 if deep else 0.001
-            profiler = Profiler(interval=interval)
-            call_stats = defaultdict(lambda: {
-                'count': 0, 'total_time': 0.0, 'peak_time': 0.0,
-                'total_mem': 0, 'peak_mem': 0,
-                'stack': [], 'mem_stack': []
-            })
-
-            def trace_calls(frame, event, arg):
-                if event == 'call':
-                    f_name = frame.f_code.co_name
-                    call_stats[f_name]['count'] += 1
-                    call_stats[f_name]['stack'].append(time.time())
-                    call_stats[f_name]['mem_stack'].append(
-                        tracemalloc.get_traced_memory()[0] if tracemalloc.is_tracing() else 0
-                    )
-                elif event == 'return':
-                    f_name = frame.f_code.co_name
-                    if call_stats[f_name]['stack']:
-                        elapsed = time.time() - call_stats[f_name]['stack'].pop()
-                        call_stats[f_name]['total_time'] += elapsed
-                        call_stats[f_name]['peak_time'] = max(call_stats[f_name]['peak_time'], elapsed)
-                    if call_stats[f_name]['mem_stack']:
-                        start_mem = call_stats[f_name]['mem_stack'].pop()
-                        if tracemalloc.is_tracing():
-                            mem_delta = max(0, tracemalloc.get_traced_memory()[0] - start_mem)
-                            call_stats[f_name]['total_mem'] += mem_delta
-                            call_stats[f_name]['peak_mem'] = max(call_stats[f_name]['peak_mem'], mem_delta)
-                return trace_calls
-
-            if html:
-                _was_tracing = tracemalloc.is_tracing()
-                if not _was_tracing:
-                    tracemalloc.start()
-                cpu_start = time.process_time()
-
-            if trace:
-                sys.settrace(trace_calls)
-
-            profiler.start()
-            start_real_time = time.time()
-            try:
-                return func(*args, **kwargs)
-            finally:
-                profiler.stop()
-                if trace:
-                    sys.settrace(None)
-
-                duration = time.time() - start_real_time
-
-                if html:
-                    cpu_total = time.process_time() - cpu_start
-                    if tracemalloc.is_tracing():
-                        current_mem, peak_mem = tracemalloc.get_traced_memory()
-                    else:
-                        current_mem, peak_mem = 0, 0
-                    if not _was_tracing:
-                        tracemalloc.stop()
-
-                    if not os.path.exists(output_path):
-                        os.makedirs(output_path)
-
-                    pyinstrument_html = profiler.output_html()
-                    vars_snap = {"args": [str(a)[:500] for a in args], "kwargs": {k: str(v)[:500] for k, v in kwargs.items()}}
-
-                    stats_data = []
-                    mem_stats_data = []
-                    if trace:
-                        stats_data = [
-                            {
-                                "name": k,
-                                "count": v['count'],
-                                "total": round(v['total_time'], 4),
-                                "avg": round(v['total_time'] / v['count'], 5),
-                                "peak": round(v['peak_time'], 5),
-                            }
-                            for k, v in sorted(call_stats.items(), key=lambda x: x[1]['total_time'], reverse=True)
-                            if v['count'] > 0
-                        ][:50]
-                        mem_stats_data = [
-                            {
-                                "name": k,
-                                "count": v['count'],
-                                "total_mem": round(v['total_mem'] / 1024, 2),
-                                "avg_mem": round(v['total_mem'] / v['count'] / 1024, 2) if v['count'] > 0 else 0,
-                                "peak_mem": round(v['peak_mem'] / 1024, 2),
-                            }
-                            for k, v in sorted(call_stats.items(), key=lambda x: x[1]['total_mem'], reverse=True)
-                            if v['count'] > 0
-                        ][:50]
-
-                    total_calls = sum(v['count'] for v in call_stats.values()) if trace else 0
-
-                    perf_data = {
-                        "func": func.__name__,
-                        "dur": f"{duration:.4f}s",
-                        "cpu_total": f"{cpu_total:.4f}s",
-                        "cpu_pct": f"{round(cpu_total / duration * 100, 1) if duration > 0 else 0}%",
-                        "mem_current": f"{round(current_mem / 1024 / 1024, 3)} MB",
-                        "mem_peak": f"{round(peak_mem / 1024 / 1024, 3)} MB",
-                        "mem_avg": f"{round(peak_mem / total_calls / 1024, 2)} KB/call" if total_calls > 0 else "N/A",
-                        "has_trace": trace,
-                        "stats": stats_data,
-                        "mem_stats": mem_stats_data,
-                    }
-
-                    injection_script = f"""
-                    <script>
-                    (function() {{
-                        const d = {{ func: "{func.__name__}", dur: "{duration:.4f}s", vars: {json.dumps(vars_snap)}, stats: {json.dumps(stats_data)} }};
-                        const p = {json.dumps(perf_data)};
-                        function render() {{
-                            if (document.getElementById('odoo-audit-host')) return;
-                            const host = document.createElement('div');
-                            host.id = 'odoo-audit-host';
-                            host.style = 'position:fixed;bottom:20px;right:20px;z-index:2147483647;';
-                            document.documentElement.appendChild(host);
-                            const shadow = host.attachShadow({{mode:'open'}});
-                            const root = document.createElement('div');
-                            root.innerHTML = `
-                                <style>
-                                    :host {{ all: initial; }}
-                                    .fab {{ width:55px;height:55px;color:white;border-radius:50%;display:flex;align-items:center;justify-content:center;cursor:pointer;box-shadow:0 4px 15px rgba(0,0,0,0.4);font-size:22px;border:2px solid white;position:fixed;bottom:20px;transition:0.2s; }}
-                                    .fab:hover {{ transform:scale(1.1); }}
-                                    .fab1 {{ background:#714B67;right:20px; }}
-                                    .fab2 {{ background:#1a6b8a;right:85px; }}
-                                    .modal {{ display:none;position:fixed;bottom:85px;right:20px;width:500px;max-height:75vh;background:white;border-radius:12px;box-shadow:0 10px 40px rgba(0,0,0,0.4);flex-direction:column;font-family:sans-serif;overflow:hidden; }}
-                                    .modal.open {{ display:flex; }}
-                                    .hdr {{ color:white;padding:12px;display:flex;justify-content:space-between;font-weight:bold; }}
-                                    .hdr1 {{ background:#714B67; }}
-                                    .hdr2 {{ background:#1a6b8a; }}
-                                    .body {{ padding:15px;overflow-y:auto;background:white;color:#333; }}
-                                    input[type=text] {{ width:95%;padding:8px;margin:10px 0;border:1px solid #ddd;border-radius:4px; }}
-                                    table {{ width:100%;border-collapse:collapse;font-size:12px; }}
-                                    th {{ background:#f4f4f4;padding:8px;text-align:left;position:sticky;top:0; }}
-                                    td {{ padding:8px;border-bottom:1px solid #eee; }}
-                                    pre {{ background:#1e1e1e;color:#9cdcfe;padding:10px;font-size:11px;border-radius:4px;max-height:150px;overflow:auto; }}
-                                    .grid {{ display:grid;grid-template-columns:1fr 1fr;gap:8px;margin-bottom:12px; }}
-                                    .card {{ background:#f8f9fa;border-radius:8px;padding:10px;border-left:4px solid #1a6b8a; }}
-                                    .card.warn {{ border-left-color:#e53e3e; }}
-                                    .card .lbl {{ font-size:10px;color:#666;text-transform:uppercase;letter-spacing:.5px; }}
-                                    .card .val {{ font-size:17px;font-weight:bold;color:#1a6b8a;margin-top:3px; }}
-                                    .card.warn .val {{ color:#e53e3e; }}
-                                    .sec {{ font-size:12px;font-weight:bold;color:#444;margin:10px 0 5px;border-bottom:1px solid #eee;padding-bottom:3px; }}
-                                    .no-trace {{ background:#fff3cd;padding:10px;border-radius:6px;font-size:12px;color:#856404;text-align:center;margin:8px 0; }}
-                                </style>
-                                <div class="modal" id="m1">
-                                    <div class="hdr hdr1"><span>🚀 ${{d.func}}</span><span>${{d.dur}}</span></div>
-                                    <div class="body">
-                                        <details><summary style="cursor:pointer;color:#714B67">📦 Vars</summary><pre>${{JSON.stringify(d.vars,null,2)}}</pre></details>
-                                        <input type="text" id="s1" placeholder="Buscar função...">
-                                        <table><thead><tr><th>Função</th><th>Calls</th><th>Total</th><th>Média</th><th>Pico</th></tr></thead>
-                                        <tbody id="tb1">${{d.stats.map(s=>`<tr class="r1"><td class="n1" style="font-family:monospace">${{s.name}}</td><td align="center">${{s.count}}</td><td align="right">${{s.total}}s</td><td align="right">${{s.avg}}s</td><td align="right">${{s.peak||'-'}}s</td></tr>`).join('')}}</tbody>
-                                        </table>
-                                    </div>
-                                </div>
-                                <div class="modal" id="m2">
-                                    <div class="hdr hdr2"><span>📊 ${{p.func}}</span><span>${{p.dur}}</span></div>
-                                    <div class="body">
-                                        <div class="grid">
-                                            <div class="card"><div class="lbl">CPU Total</div><div class="val">${{p.cpu_total}}</div></div>
-                                            <div class="card"><div class="lbl">Uso de CPU</div><div class="val">${{p.cpu_pct}}</div></div>
-                                            <div class="card"><div class="lbl">Memória Final</div><div class="val">${{p.mem_current}}</div></div>
-                                            <div class="card warn"><div class="lbl">Pico de Memória</div><div class="val">${{p.mem_peak}}</div></div>
-                                            <div class="card" style="grid-column:1/-1"><div class="lbl">Memória Média por Chamada</div><div class="val">${{p.mem_avg}}</div></div>
-                                        </div>
-                                        ${{p.has_trace ?
-                                            `<div class="sec">⏱ CPU por Função</div>
-                                            <input type="text" id="s2" placeholder="Buscar função...">
-                                            <table><thead><tr><th>Função</th><th>Calls</th><th>Total</th><th>Média</th><th>Pico</th></tr></thead>
-                                            <tbody id="tb2">${{p.stats.map(s=>`<tr class="r2"><td class="n2" style="font-family:monospace">${{s.name}}</td><td align="center">${{s.count}}</td><td align="right">${{s.total}}s</td><td align="right">${{s.avg}}s</td><td align="right">${{s.peak}}s</td></tr>`).join('')}}</tbody>
-                                            </table>
-                                            <div class="sec">💾 Memória por Função</div>
-                                            <table><thead><tr><th>Função</th><th>Calls</th><th>Total (KB)</th><th>Média (KB)</th><th>Pico (KB)</th></tr></thead>
-                                            <tbody>${{p.mem_stats.map(s=>`<tr><td style="font-family:monospace">${{s.name}}</td><td align="center">${{s.count}}</td><td align="right">${{s.total_mem}}</td><td align="right">${{s.avg_mem}}</td><td align="right">${{s.peak_mem}}</td></tr>`).join('')}}</tbody>
-                                            </table>`
-                                        : `<div class="no-trace">⚠️ Habilite <b>trace=True</b> para métricas por função</div>`
-                                        }}
-                                    </div>
-                                </div>
-                                <div class="fab fab1" id="b1">🚀</div>
-                                <div class="fab fab2" id="b2">📊</div>
-                            `;
-                            const m1 = root.querySelector('#m1');
-                            const m2 = root.querySelector('#m2');
-                            root.querySelector('#b1').onclick = () => {{ m1.classList.toggle('open'); m2.classList.remove('open'); }};
-                            root.querySelector('#b2').onclick = () => {{ m2.classList.toggle('open'); m1.classList.remove('open'); }};
-                            root.querySelector('#s1').oninput = (e) => {{
-                                const v = e.target.value.toLowerCase();
-                                root.querySelectorAll('.r1').forEach(r => r.style.display = r.querySelector('.n1').textContent.toLowerCase().includes(v) ? '' : 'none');
-                            }};
-                            const s2 = root.querySelector('#s2');
-                            if (s2) s2.oninput = (e) => {{
-                                const v = e.target.value.toLowerCase();
-                                root.querySelectorAll('.r2').forEach(r => r.style.display = r.querySelector('.n2').textContent.toLowerCase().includes(v) ? '' : 'none');
-                            }};
-                            shadow.appendChild(root);
-                        }}
-                        setInterval(render, 1000); render();
-                    }})();
-                    </script>
-                    """
-                    final_html = pyinstrument_html.replace('</html>', f'{injection_script}</html>')
-                    filepath = os.path.join(output_path, f"AUDIT_{func.__name__}_{int(time.time())}.html")
-                    with open(filepath, "w", encoding="utf-8") as f: f.write(final_html)
-        return wrapper
-    return decorator

simple_python_audit-1.2.0/src/simple_python_audit.egg-info/PKG-INFO

@@ -1,56 +0,0 @@
-Metadata-Version: 2.4
-Name: simple-python-audit
-Version: 1.2.0
-Summary: Ferramenta de profiling com widget flutuante e servidor de gerenciamento de logs.
-Author-email: Sadson Diego <sadsondiego@gmail.com>
-License: MIT
-Keywords: odoo,profiler,performance,pyinstrument,audit
-Classifier: Development Status :: 5 - Production/Stable
-Classifier: Programming Language :: Python :: 3.8
-Classifier: Programming Language :: Python :: 3.9
-Classifier: Programming Language :: Python :: 3.10
-Classifier: Programming Language :: Python :: 3.11
-Classifier: Framework :: Odoo
-Classifier: Topic :: Software Development :: Debuggers
-Requires-Python: >=3.8
-Description-Content-Type: text/markdown
-Requires-Dist: pyinstrument>=4.6.0
-Requires-Dist: typing-extensions>=4.0.0
-
-# Simple Python Audit Tool 🚀
-
-Ferramenta completa para medição de performance e auditoria de variáveis para python.
-
-## 📦 Instalação
-
-```bash
-pip install .
-# Ou via GitHub
-pip install git+[https://github.com/sadson/simple_python_audit.git](https://github.com/sadson/simple_python_audit.git)
-
-## 🎯 Como Usar
-
-```python
-from simple_python_audit import profile
-
-@profile(html=True, output_path="/tmp/simple_python_audit_perf" ,trace=True, deep=True)
-def meu_metodo_lento(self):
-    # Seu código aqui
-```
-
-**Parâmetros:**
-- `html=True`: Gera relatório em HTML
-- `trace=True`: Rastreia chamadas de funções
-- `deep=True`: Rastreia chamadas com tempo de execução a partir de 0.0001 ms
-- `output_path`: Caminho para salvar os relatórios gerados
-
-## 🛠️ Executar Servidor de Auditoria
-
-```bash
-simple-python-audit-server --port 8080 --dir /tmp/odoo_perf
-ou 
-via python
-
-from simple_python_audit import start_server
-start_server(port=8080, directory="/tmp/odoo_perf")
-```