使用cProfile分析Python程序性能

转：使用cProfile分析Python程序性能

监视模块

cProfile：基于lsprof的用C语言实现的扩展应用，运行开销比较合理，适合分析运行时间较长的程序，推荐使用这个模块；
profile：纯Python实现的性能分析模块，接口和cProfile一致。但在分析程序时增加了很大的运行开销。不过，如果你想扩展profiler的功能，可以通过继承这个模块实现；
使用cProfile进行性能分析，你可以在Python脚本中实现，也可以使用命令行执行：

if __name__ == "__main__":    import cProfile    # 直接把分析结果打印到控制台    cProfile.run("test()")    # 把分析结果保存到文件中    cProfile.run("test()", filename="result.out")    # 增加排序方式    cProfile.run("test()", filename="result.out", sort="cumulative")

使用命令行运行的方法基本一致，Bash代码如下:

# 直接把分析结果打印到控制台python -m cProfile test.py# 把分析结果保存到文件中python -m cProfile -o result.out test.py# 增加排序方式python -m cProfile -o result.out -s cumulative test.py

分析工具

使用cProfile分析的结果可以输出到指定的文件中，但是文件内容是以二进制的方式保存的，用文本编辑器打开时乱码。所以，Python提供了一个pstats模块，用来分析cProfile输出的文件内容。

import pstats# 创建Stats对象p = pstats.Stats("result.out")# strip_dirs(): 去掉无关的路径信息# sort_stats(): 排序，支持的方式和上述的一致# print_stats(): 打印分析结果，可以指定打印前几行# 和直接运行cProfile.run("test()")的结果是一样的p.strip_dirs().sort_stats(-1).print_stats()# 按照函数名排序，只打印前3行函数的信息, 参数还可为小数,表示前百分之几的函数信息 p.strip_dirs().sort_stats("name").print_stats(3)# 按照运行时间和函数名进行排序p.strip_dirs().sort_stats("cumulative", "name").print_stats(0.5)# 如果想知道有哪些函数调用了sum_nump.print_callers(0.5, "sum_num")# 查看test()函数中调用了哪些函数p.print_callees("test")

结果类似：

8 function calls in 0.042 seconds   Ordered by: cumulative time   ncalls  tottime  percall  cumtime  percall filename:lineno(function)        1    0.000    0.000    0.042    0.042 test.py:5(<module>)        1    0.002    0.002    0.042    0.042 test.py:12(test)        2    0.035    0.018    0.039    0.020 test.py:5(sum_num)        3    0.004    0.001    0.004    0.001 {range}        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

其中，输出每列的具体解释如下：

    ncalls：表示函数调用的次数；    tottime：表示指定函数的总的运行时间，除掉函数中调用子函数的运行时间；    percall：（第一个percall）等于 tottime/ncalls；    cumtime：表示该函数及其所有子函数的调用运行的时间，即函数开始调用到返回的时间；    percall：（第二个percall）即函数运行一次的平均时间，等于 cumtime/ncalls；    filename:lineno(function)：每个函数调用的具体信息；

另外，上面分析的时候，排序方式使用的是函数调用时间(cumulative)，除了这个还有一些其他允许的排序方式：calls, cumulative, file, line, module, name, nfl, pcalls, stdname, time等。

图形化工具

对于一些比较大的应用程序，如果能够将性能分析的结果以图形的方式呈现，将会非常实用和直观，常见的可视化工具有Gprof2Dot，visualpytune，KCacheGrind等，这里介绍一下Gprof2Dot的用法。
使用之前，你需要安装graphviz：

sudo apt-get install graphviz

然后下载Gprof2Dot：gprof2dot.py之后运行：

python gprof2dot.py -f pstats result.out | dot -Tpng -o result.png

结果如下：

参考文献：

Python 性能分析入门指南
检测Python程序执行效率及内存和CPU使用的7种方法
Python 代码性能优化技巧
关于Python Profilers性能分析器
The Python Profilers