Python性能之cProfile和line_profile搭配使用的方法

这篇文章将为大家详细讲解有关Python性能之cProfile和line_profile搭配使用的方法，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

10余年的扎兰屯网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。网络营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整扎兰屯建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联公司从事“扎兰屯网站设计”,“扎兰屯网站推广”以来，每个客户项目都认真落实执行。

python性能调试过程中最突出的问题就是耗时，性能测试工具有很多，这里介绍cprofile和line_profiler的搭配使用方法。前者返回项目中每个函数的耗时，后者可以分析函数每一行的耗时。

一，cProfile

cProfile是python默认的性能分析器

cProfile是一种确定性分析器，只测量CPU时间，并不关心内存消耗和其他与内存相关联的信息。

参数分析：

run(statement, filename=None, sort=-1)
# statement: 需要测试的代码或者函数（函数名）
# fielname: 结果保存的位置， 默认为stdout
# sort: 结果排序方法，常用的有‘cumtime': 累积时间， ’name': 函数名， ‘line': 行号
# 以及下面结果分析里的’ncalls'等

使用方法一：

import re
import cProfile
cProfile.run('re.compile("abc")')

结果分析：

第一行：129个函数调用被监控，其中128个是原生调用（不涉及递归）

ncalls：函数被调用的次数。如果这一列有两个值，就表示有递归调用，第二个值是原生调用次数，第一个值是总调用次数。

tottime：函数内部消耗的总时间。（可以帮助优化）

percall：是tottime除以ncalls，一个函数每次调用平均消耗时间。

cumtime：之前所有子函数消费时间的累计和。

filename:lineno(function)：被分析函数所在文件名、行号、函数名。

使用方法二：

import cProfile
import re
cProfile.run('re.compile("abc")', 'result.out', 'cumtime')

使用方法三：控制台

终端：python -m cProfile -o result.out -s cumulative test.py
# 效果同方法二

结果分析：

结果保存在文件名为result.out的二进制文件里。

结果读取：pstats模块和Stats类

import pstats
def view_profile(path):
    p = pstats.Stats(f"{path}")
    p.sort_stats("cumulative")  # 表示结果按照累计时间耗费排序，其它排序同上
    p.print_stats(3)  # 输出结果 输出结果的前三行，参数还可以是0，1之间的小数，表示输出结果的占比，没有参数表示输出全部结果
    p.print_callers()  # 可以显示函数被哪些函数调用
    p.print_callees()  # 可以显示哪个函数调用了哪些函数

二，line_profiler

这个性能分析器和cProfile不同，他能帮你一行一行的分析性能。

如果瓶颈问题在某一行中，这样就需要line_profiler解决了。

建议使用kernprof工具

安装

pip install line_profiler

使用方法一：kernprof

@profile
def fib(n):
    # 文件名aaa.py
    a, b = 0, 1
    for i in range(0, n):
        a, b = b, a+b
    return a
fib(5)

终端：kernprof -l -v aaa.py
# -l表示逐行分析 -v用于控制台输出, 不加-v会把分析结果写入aaa.py.lprof文件

使用方法二：函数调用

from line_profiler import LineProfiler
def test_line(func_name, parameter=None):
    “”“
    :param: func_name, str, 函数名
    :param: parameter, 函数参数
    ”“”
    lp = LineProfiler()
    lp_wrapper = lp(func_name)
    if parameter is not None:
        lp_wrapper(parameter) #如果有参数，没参数不用写
    lp.print_stats() # 展示结果

结果分析

Line：文件中的行号。

Hits：性能分析时代码执行的次数。

Time：一段代码执行的总时间，由计数器决定。

Per Hit：执行一段代码平均消耗时间。

% Time：执行一段代码时间消耗比例。

三，搭配使用

先用cProfile确定项目中耗时最多的几个函数，然后用line_profiler分析这几个耗时最多的函数，确定行性能瓶颈。

关于Python性能之cProfile和line_profile搭配使用的方法就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。