1. 介紹性能分析器

profiler是一個程序，用來描述運行時的程序性能，并且從不同方面提供統計數據加以表述。Python中含有3個模塊提供這樣的功能，分別是cProfile, profile和pstats。這些分析器提供的是對Python程序的確定性分析。同時也提供一系列的報表生成工具，允許用戶快速地檢查分析結果。

Python標準庫提供了3個不同的性能分析器：

cProfile，推薦給大部分的用戶，是C的一個擴展應用，因為其合理的運行開銷，所以適合分析運行時間較長的。是基于lsprof。

profile，一個純python模塊，它的接口和cProfile一致。在分析程序時，增加了很大的運行開銷。如果你想擴展profiler的功能，可以試著繼承這個模塊

hotshot, 一個試驗性的c模塊，關注減少分析時的運行開銷，但是是以需要更長的數據后處理的次數為代價。不過這個模塊不再被維護，也有可能在新的python版本中被棄用。

2. 使用方法

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

def foo():

sum = 0

for iin range(10000):

sum += i

sumA= bar()

sumB= bar()

return sum

def bar():

sum = 0

for iin range(100000):

sum += i

return sum

if __name__== "__main__":

import cProfile

#直接把分析結果打印到控制臺

cProfile.run("foo()")

#把分析結果保存到文件中,不過內容可讀性差...需要調用pstats模塊分析結果

cProfile.run("foo()","result")

#還可以直接使用命令行進行操作

#>python -m cProfile myscript.py -o result

import pstats

#創建Stats對象

p= pstats.Stats("result")

#這一行的效果和直接運行cProfile.run("foo()")的顯示效果是一樣的

p.strip_dirs().sort_stats(-1).print_stats()

#strip_dirs():從所有模塊名中去掉無關的路徑信息

#sort_stats():把打印信息按照標準的module/name/line字符串進行排序

#print_stats():打印出所有分析信息

#按照函數名排序

p.strip_dirs().sort_stats("name").print_stats()

#按照在一個函數中累積的運行時間進行排序

#print_stats(3):只打印前3行函數的信息,參數還可為小數,表示前百分之幾的函數信息

p.strip_dirs().sort_stats("cumulative").print_stats(3)

#還有一種用法

p.sort_stats('time','cum').print_stats(.5,'foo')

#先按time排序,再按cumulative時間排序,然后打倒出前50%中含有函數信息

#如果想知道有哪些函數調用了bar,可使用

p.print_callers(0.5,"bar")

#同理,查看foo()函數中調用了哪些函數

p.print_callees("foo")

以上是profile以及pstats模塊的簡單應用.

3.分析結果圖解

4. 什么是確定性性能分析(Deterministic Profiling)

確定性性能分析指的是反映所有的函數調用，返回，和異常事件的執行所用的時間，以及它們之間的時間間隔。相比之下，統計性性能分析指的是取樣有效的程序指令，然后推導出所需要的時間，后者花費比較少的開銷，但是給出的結果不夠精確。

在Python中，因為其是解釋性語言，所以在執行程序的時候，會加入解釋器的執行，這部分的執行是不需要進行性能分析的。Python自動為每一個事件提供一個hook，來定位需要分析的代碼。除此之外，因為Python解釋型語言的本質往往需要在執行程序的時候加入很多其它的開銷，而確定性性能分析只會加入一點點處理開銷。這樣一來，確定性性能分析其實開銷不大，還可以提供豐富的統計信息。

函數調用次數的統計能夠被用于確定程序中的bug，比如一個不符合常理的次數，明顯偏多之類的，還可以用來確定可能的內聯函數。函數內部運行時間的統計可被用來確定”hot loops”，那些需要運行時間過長，需要優化的部分；累積時間的統計可被用來確定比較高層次的錯誤，比如算法選擇上的錯誤。Python的性能分析可以允許直接比較算法的遞歸實現與迭代實現的。

總結

以上是生活随笔為你收集整理的python性能分析工具模块_python——关于Python Profilers性能分析器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。