python profile_Python性能优化-Profile

Why Profile

即使我们的代码已经非常Pythonic了，但运行效率还是不能满足要求。性能问题符合20/80规则，即20%的代码引起了80%的性能损耗。为了快速定位瓶颈代码，推荐通过Profile来分析，能到达事半功倍的效果。

Python Profile

对于Python，比较常用的Profile工具有三个：

profile 纯python语言实现，返回函数整体损耗。(自带)[详情]

cProfile 同profile，部分实现native化，返回函数整体损耗。(自带)

line_profile 返回函数每行损耗。(第三方)[详情]

Profile Usage

profile

# 这里使用vsm模型进行测试

from profile import Profile

p = Profile()

p.runcall(vsm, tags[0], tags[1])

p.print_stats()

# ncalls 函数总的调用次数

# tottime 函数内部(不包括子函数)的占用时间

# percall(第一个) tottime/ncalls

# cumtime 函数包括子函数所占用的时间

# percall(第二个)cumtime/ncalls

# filename:lineno(function) 文件：行号(函数)

212 function calls in 0.002 seconds

Ordered by: standard name

ncalls tottime percall cumtime percall filename:lineno(funct