用python的profile模块找到程序性能瓶颈

昨天学到一招，不用像之前一样想看程序执行慢的时候到底慢在哪里就到处写"start_time = time.time() end_time =  time.time()  use_time = end_time - start_time"了，有一个profile模块可以查看执行过程中各个调用的耗时。

用法是：

import profile

……

profile.run('exe_str')

这里的exe_str代表的就是把我们要执行的代码以字符串形式给profile，如果代码里有单引号要么转义掉，要么字符串外面换用双引号。

比如：

# -*- coding:utf-8 -*-
import profile
import time

def tell_time():
    for i in range(10):
        print time.time()
        
profile.run('tell_time()')

然后除了你代码里输出的东西以外还会有一堆这种东西

         15 function calls in 0.001 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.000    0.000 :0(range)
        1    0.001    0.001    0.001    0.001 :0(setprofile)
       10    0.000    0.000    0.000    0.000 :0(time)
        1    0.000    0.000    0.000    0.000 <string>:1(<module>)
        0    0.000             0.000          profile:0(profiler)
        1    0.000    0.000    0.001    0.001 profile:0(tell_time())
        1    0.000    0.000    0.000    0.000 say_hello_profile.py:5(tell_time)

这就是profile返回的程序各个部分的性能情况，很容易找到程序的性能瓶颈。

结果里各项的意义：

 

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/ncalls
cumtime	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/ncalls