python性能解决的事_Python程序的性能分析方法

有时候需要去优化Python端代码的性能，所以需要先找到瓶颈在哪里。好在这个事做起来特别方便。

一般先找出哪些函数是瓶颈，然后再看看那些函数里面时间都具体花在哪些行上了。Python里面提供的cProfiler可以解决第一个问题，另外这里line profiler[0]可以解决第二个问题。

第一步可以这样(test.py)：

def bar(n):

a = 0

for i in range(n):

a += i**2

return a

def foo():

ret = 0

for i in range(1000):

ret += bar(i)

return ret

def c_profile(codestr):

import cProfile

p = cProfile.Profile()

p.run(codestr)

p.print_stats()

if __name__ == '__main__':

c_profile("foo()")

# python test.py

输出

Ordered by: standard name

ncalls tottime percall cumtime percall filename:lineno(function)

1 0.000 0.000 0.157 0.157 :1()

1000 0.157 0.000 0.157 0.000 test.py:10(bar)

1 0.000 0.000 0.157 0.157 test.py:16(foo)

1 0.000 0.000 0.157 0.157 {built-in method exec}

1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}

可以看出所有时间都基本花在了foo和bar两个函数里。然后修改一下代码来逐行地对foo和bar进行分析：

@profile

def bar(n):

a = 0

for i in range(n):

a += i**2

return a

@profile

def foo():

ret = 0

for i in range(1000):

ret += bar(i)

return ret

if __name__ == '__main__':

foo()

# kernprof -lv test.py

输出：

Timer unit: 1e-06 s

Total time: 0.525531 s

File: test.py

Function: bar at line 9

Line # Hits Time Per Hit % Time Line Contents

==============================================================

9 @profile

10 def bar(n):

11 1000 495 0.5 0.1 a = 0

12 500500 169433 0.3 32.2 for i in range(n):

13 499500 355155 0.7 67.6 a += i ** 2

14 1000 448 0.4 0.1 return a

Total time: 0.804509 s

File: test.py

Function: foo at line 16

Line # Hits Time Per Hit % Time Line Contents

==============================================================

16 @profile

17 def foo():

18 1 5 5.0 0.0 ret = 0

19 1001 552 0.6 0.1 for i in range(1000):

20 1000 803951 804.0 99.9 ret += bar(i)

21 1 1 1.0 0.0 return ret

从上面的数据就可以清楚找到瓶颈在哪里了。

====