Python 性能分析工具 cProfile

---

一、Python cprofile 简介

Python 自带的 cprofile 库，可以对代码的每部分进行很方便的动态分析；
比如准确计算出每个模块消耗的时间等。这样你就可以知道程序的瓶颈所在，从而方便针对性地对其进行修正或优化。

---

二、Python cprofile 使用方法

1、import 使用

#!/usr/bin/python2.7
# test.py

import time
import cProfile
import pdb

pdb.set_trace()

def testcal(a, b, c):
    e = (a + b) * c
    print "(a + b) * c =",  e
    e = ((a + b) * c)
    print "((a + b) * c) =",  e
    
    time.sleep(5)    #  测试执行耗时
 
    e = a + (b * c)
    print "a + (b * c) =",  e

if __name__=='__main__':
    a = 20
    b = 10
    c = 15
    cProfile.run('testcal(a, b, c)')

2、命令行直接用

python -m cProfile test.py

---

三、Python cprofile 输出简析

运行结果如下所示：

 /tmp/test.py(9)<module>()
-> a = 20
(Pdb) c
(a + b) * c = 450
((a + b) * c) = 450
a + (b * c) = 170
         42 function calls in 6.483 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.000    0.000 UserDict.py:18(__getitem__)
        1    0.000    0.000    0.000    0.000 UserDict.py:70(__contains__)
        1    0.000    0.000    0.000    0.000 bdb.py:1(<module>)
        1    0.000    0.000    0.000    0.000 bdb.py:10(BdbQuit)
        1    0.000    0.000    0.000    0.000 bdb.py:14(Bdb)
        2    0.000    0.000    0.000    0.000 bdb.py:176(_set_stopinfo)
        1    0.000    0.000    0.000    0.000 bdb.py:192(set_step)
        1    0.000    0.000    0.000    0.000 bdb.py:212(set_trace)
        1    0.000    0.000    0.000    0.000 bdb.py:23(__init__)
        1    0.000    0.000    0.000    0.000 bdb.py:39(reset)
        1    0.000    0.000    0.000    0.000 bdb.py:449(Breakpoint)
        1    0.000    0.000    0.000    0.000 bdb.py:614(Tdb)
        1    0.000    0.000    0.000    0.000 cmd.py:46(<module>)
        1    0.000    0.000    0.000    0.000 cmd.py:55(Cmd)
        1    0.000    0.000    0.000    0.000 cmd.py:79(__init__)
        1    0.000    0.000    0.000    0.000 fnmatch.py:11(<module>)
        1    0.000    0.000    0.000    0.000 linecache.py:43(checkcache)
        1    0.000    0.000    0.000    0.000 pdb.py:107(reset)
        1    0.000    0.000    0.000    0.000 pdb.py:111(forget)
        1    0.000    0.000    0.001    0.001 pdb.py:1250(set_trace)
        1    0.000    0.000    0.000    0.000 pdb.py:18(Restart)
        1    0.001    0.001    0.001    0.001 pdb.py:3(<module>)
        1    0.000    0.000    0.000    0.000 pdb.py:59(Pdb)
        1    0.001    0.001    0.001    0.001 pdb.py:61(__init__)
        1    0.000    0.000    0.000    0.000 posixpath.py:68(join)
        1    0.000    0.000    0.000    0.000 pprint.py:35(<module>)
        1    0.000    0.000    0.000    0.000 pprint.py:84(PrettyPrinter)
        1    0.000    0.000    0.000    0.000 repr.py:1(<module>)
        2    0.000    0.000    0.000    0.000 repr.py:10(__init__)
        1    0.000    0.000    0.000    0.000 repr.py:8(Repr)
        1    1.477    1.477    6.483    6.483 test.py:3(<module>)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.000    0.000    0.000    0.000 {method 'endswith' of 'str' objects}
        1    0.000    0.000    0.000    0.000 {method 'keys' of 'dict' objects}
        1    0.000    0.000    0.000    0.000 {method 'startswith' of 'str' objects}
        2    0.000    0.000    0.000    0.000 {open}
        1    0.000    0.000    0.000    0.000 {sys._getframe}
        1    0.000    0.000    0.000    0.000 {sys.settrace}
        1    5.004    5.004    5.004    5.004 {time.sleep}

输出内容字段简析：

1、ncalls ： 是指相应代码 / 函数被调用的次数；

2、tottime： 是指对应代码 / 函数总共执行所需要的时间（注意，并不包括它调用的其他代码 / 函数的执行时间）；

3、percall： 就是上述两者相除的结果，也就是 tottime / ncalls;

4、cumtime：则是指对应代码 / 函数总共执行所需要的时间，这里包括了它调用的其他代码 / 函数的执行时间；

5、percall： 则是 cumtime 和 ncalls 相除的平均结果。

了解这些参数后，再看看上面的输出结果；
可以很清晰地看出来，这段程序执行较耗时的地方，在于 {time.sleep} 和 test.py:3(<module>)。