python程序之profile分析-白红宇

python程序之profile分析

阅读量：4876 次

发布时间：2019-06-11

本文共 2437 字，大约阅读时间需要 8 分钟。

操作系统： CentOS7.3.1611_x64

python版本：2.7.5

问题描述

1、Python开发的程序在使用过程中很慢，想确定下是哪段代码比较慢；

2、Python开发的程序在使用过程中占用内存很大，想确定下是哪段代码引起的；

解决方案

使用profile分析分析cpu使用情况

profile介绍：

可以使用profile和cProfile对python程序进行分析，这里主要记录下cProfile的使用，profile参考cProfile即可。

假设有如下代码需要进行分析（cProfileTest1.py）：

#! /usr/bin/env python#-*- coding:utf-8 -*-def foo():    sum = 0    for i in range(100):        sum += i    return sumif __name__ == "__main__" :    foo()

可以通过以下两种使用方式进行分析：

1、不修改程序

分析程序：

python -m cProfile -o test1.out cProfileTest1.py

查看运行结果：

python -c "import pstats; p=pstats.Stats('test1.out'); p.print_stats()"

查看排序后的运行结果：

python -c "import pstats; p=pstats.Stats('test1.out'); p.sort_stats('time').print_stats()"

2、修改程序

加入如下代码：

import cProfilecProfile.run("foo()")

完整代码如下：

运行效果如下：

Ordered by: standard namencalls  tottime  percall  cumtime  percall filename:lineno(function)     1    0.000    0.000    0.000    0.000 
      
       :1(
       
        )     1    0.000    0.000    0.000    0.000 cProfileTest2.py:4(foo)     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}     1    0.000    0.000    0.000    0.000 {range}

结果说明：

ncalls ： 函数的被调用次数tottime ：函数总计运行时间，除去函数中调用的函数运行时间percall ：函数运行一次的平均时间，等于tottime/ncallscumtime ：函数总计运行时间，含调用的函数运行时间percall ：函数运行一次的平均时间，等于cumtime/ncallsfilename:lineno(function) 函数所在的文件名，函数的行号，函数名

使用memory_profiler分析内存使用情况

需要安装memory_profiler ：

pip install psutilpip install memory_profiler

假设有如下代码需要进行分析:

def my_func():    a = [1] * (10*6)    b = [2] * (10*7)    del b    return a

使用memory_profiler是需要修改代码的，这里记录下以下两种使用方式：

1、不导入模块使用

@profiledef my_func():    a = [1] * (10*6)    b = [2] * (10*7)    del b    return a

完整代码如下：

profile分析：

python -m memory_profiler test1.py

2、导入模块使用

from memory_profiler import profile@profiledef my_func():    a = [1] * (10*6)    b = [2] * (10*7)    del b    return a

完整代码如下：

直接运行程序即可进行分析。

运行效果如下：

(py27env) [mike@local test]$ python test1.pyFilename: test1.pyLine #    Mem usage    Increment   Line Contents================================================     6     29.5 MiB      0.0 MiB   @profile     7                             def my_func():     8     29.5 MiB      0.0 MiB       a = [1] * (10*6)     9     29.5 MiB      0.0 MiB       b = [2] * (10*7)    10     29.5 MiB      0.0 MiB       del b    11     29.5 MiB      0.0 MiB       return a

profile分析完整代码地址：

好，就这些了，希望对你有帮助。

本文github地址：

欢迎补充