python代码解读软件_Python 应用剖析工具介绍

【编者按】本文作者为来自 HumanGeo 的工程师 Davis，主要介绍了用于 Python 应用性能分析的几个工具。由国内 ITOM 管理平台 OneAPM 编译呈现。

在 HumanGeo，我们广泛使用 Python 进行编程，并且乐趣无穷。用 Python 写的程序不仅整洁美观，而且运行速度快得惊人。不论是私底下还是工作中，Python 都是笔者最爱的语言。然而，即便是 Python 这样美妙的语言，却也可能出现运行缓慢的情况。幸运的是，有许多不错的工具，可以帮助我们分析 Python 代码，从而保证其运行效率。

当笔者刚开始在 HumanGeo 工作时，就曾遇到过一个运行一次耗时数小时的程序，而笔者的任务，就是找出其性能瓶颈，再尽可能地提高其运行效率。当时，笔者使用了许多工具，包括 cProfile][5]， [PyCallGraph][6，甚至 PyPy(一个运行快速的 Python 解释器)，以确定最佳的程序优化方案。在本文中，笔者将介绍上述工具(为了保持生产环境中的解释器一致性，本文将不会介绍 PyPy 工具)的使用方法。甚至即便是最老练的开发者，也可以借助这些工具进一步优化他们的代码。

免责声明：不要过早地进行优化！有关过早优化的详细分析请查阅本文。

工具

闲话少叙，下面开始介绍分析 Python 代码的几种便捷工具。

cProfile

CPython distribution 自带两种分析工具：profile 与 cProfile。两者使用同样的 API，按理说运行效果应该差不多。然而，前者的运行时开销更大，因此，本文将主要介绍 cProfile。

借助 cProfile，可以轻松实现对代码的深入分析，并且了解代码的哪些部分亟待提升。查看下面的缓慢代码实例：

--> % cat slow.py

import time

def main():

sum = 0

for i in range(10):

sum += expensive(i // 2)

return sum

def expensive(t):

time.sleep(t)

return t

if __name__ == '__main__':

print(main())

在上面的代码中，笔者通过调用 ti