Python性能分析工具Profile使用实例

这篇文章主要介绍了Python性能分析工具Profile使用实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

代码优化的前提是需要了解性能瓶颈在什么地方，程序运行的主要时间是消耗在哪里，对于比较复杂的代码可以借助一些工具来定位，python 内置了丰富的性能分析工具，如 profile,cProfile 与 hotshot 等。其中 Profiler 是 python 自带的一组程序，能够描述程序运行时候的性能，并提供各种统计帮助用户定位程序的性能瓶颈。Python 标准模块提供三种 profilers:cProfile,profile 以及 hotshot。

profile 的使用非常简单，只需要在使用之前进行 import 即可,也可以在命令行中使用。

使用Profile

测试示例：

import profiledef a():  sum = 0  for i in range(1, 10001):    sum += i  return sumdef b():  sum = 0  for i in range(1, 100):    sum += a()  return sumif __name__ == "__main__":  profile.run("b()")

输出结果：

   <br data-filtered="filtered"> 104 function calls in 0.094 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function)   1  0.000  0.000  0.094  0.094 :0(exec)   1  0.000  0.000  0.000  0.000 :0(setprofile)   1  0.000  0.000  0.094  0.094 <string>:1(<module>)   1  0.000  0.000  0.094  0.094 profile:0(b())   0  0.000       0.000     profile:0(profiler)  99  0.094  0.001  0.094  0.001 test.py:15(a)   1  0.000  0.000  0.094  0.094 test.py:21(b)

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；

如果需要将输出以日志的形式保存，只需要在调用的时候加入另外一个参数。如 profile.run(“profileTest()”,”testprof”)。

命令行

如果我们不想在程序中调用profile库使用，可以在命令行使用命令。

import osdef a():  sum = 0  for i in range(1, 10001):    sum += i  return sumdef b():  sum = 0  for i in range(1, 100):    sum += a()  return sumprint b()

运行命令查看性能分析结果

python -m cProfile test.py

将性能分析结果保存到result文件

python -m cProfile -o result test.py