[总结]python逐行性能分析

最新推荐文章于 2022-05-05 16:16:52 发布

threegirl

最新推荐文章于 2022-05-05 16:16:52 发布

阅读量292

点赞数

本文链接：https://blog.csdn.net/threegirl/article/details/82883065

版权

本文总结了Python性能分析的关键点，包括性能定义，如何使用观察工具如HTTP请求时长来评估，以及如何利用line_profiler这个工具进行代码逐行性能分析，以定位性能瓶颈。在IPython环境中，可以便捷地使用line_profiler装饰器来查看函数的执行次数和时间，从而有效地找出代码中的性能问题。

摘要由CSDN通过智能技术生成

总是忘记，做个记录。

性能定义

一般而言，处理一个请求的速度是一个重要的性能指标（Latency，系统延迟）。

观察工具

有时候不需要特殊工具，直接看一个http请求的时长即可。

定位瓶颈

line_profiler是一个可以查看每行代码的执行次数、执行时间的工具。

安装好后，可以在代码中对方法/函数添加装饰器@profile，然后在命令行使用kernprof -l -v xx.py来查看结果。

这样太麻烦，可以直接在IPython中直接使用。

导入：

In [1]: %load_ext line_profiler

help：

In [2]: %lprun?
Docstring:
Execute a statement under the line-by-line profiler from the
line_profiler module.

Usage:
  %lprun -f func1 -f func2 <statement>

The given statement (which doesn't require quote marks) is run via the
LineProfiler. Profiling is enabled for the functions specified by the -f
options. The statistics will be shown side-by-side with the code through the
pager once the statement has completed.