以下是我做调试或分析时用过的工具的一个概览。如果你知道有更好的工具,请在评论中留言,可以不用很完整的介绍。
日志
没错,就是日志。再多强调在你的应用里保留足量的日志的重要性也不为过。你应当对重要的内容打日志。如果你的日志打的足够好的话,单看日志你就能发现问题所在。那样可以节省你大量的时间。
如果一直以来你都在代码里乱用 print 语句,马上停下来。换用logging.debug。以后你还可以继续复用,或是全部停用等等。
跟踪
有时更好的办法是看执行了哪些语句。你可以使用一些IDE的调试器的单步执行,但你需要明确知道你在找那些语句,否则整个过程会进行地非常缓慢。
标准库里面的trace模块,可以打印运行时包含在其中的模块里所有执行到的语句。(就像制作一份项目报告)
|
python -mtrace --trace script.py
|
这会产生大量输出(执行到的每一行都会被打印出来,你可能想要用grep过滤那些你感兴趣的模块).
比如:
|
python -mtrace --trace script.py |
egrep
'^(mod1.py|mod2.py)'
|
调试器
以下是如今应该人尽皆知的一个基础介绍:
或者
或者
或者(输入 c 开始执行脚本)
在输入-计算-输出循环(注:REPL,READ-EVAL-PRINT-LOOP的缩写)环境下,可以有如下操作:
其余的几乎全部指令(还有很少的其他一些命令除外),在当前步帧上当作python代码进行解析。
如果你觉得挑战性还不够的话,可以试下smiley,-它可以给你展示那些变量而且你能使用它来远程追踪程序。
更好的调试器
pdb的直接替代者:
ipdb(easy_install ipdb) – 类似ipython(有自动完成,显示颜色等)
pudb(easy_install pudb) – 基于curses(类似图形界面接口),特别适合浏览源代码
远程调试器
安装方式:
sudo
apt-get
install
winpdb
用下面的方式取代以前的pdb.set_trace():
2 | rpdb2.start_embedded_debugger( "secretpassword" ) |
用下面的方式取代以前的pdb.set_trace():
现在运行winpdb,文件-关联
不喜欢Winpdb?也可以直接包装PDB在TCP之上运行!
这样做:
17 | def __init__( self , port = 0 ): |
18 | self .old_stdout = sys.stdout |
19 | self .old_stdin = sys.stdin |
20 | self .listen_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM) |
21 | self .listen_socket.bind(( '0.0.0.0' , port)) |
23 | logging.critical( "PDB remote session open on: %s" , self .listen_socket.getsockname()) |
24 | print >> sys.__stderr__, "PDB remote session open on:" , self .listen_socket.getsockname() |
26 | self .listen_socket.listen( 1 ) |
27 | self .connected_socket, address = self .listen_socket.accept() |
28 | self .handle = self .connected_socket.makefile( 'rw' ) |
29 | pdb.Pdb.__init__( self , completekey = 'tab' , stdin = self .handle, stdout = self .handle) |
30 | sys.stdout = sys.stdin = self .handle |
32 | def do_continue( self , arg): |
33 | sys.stdout = self .old_stdout |
34 | sys.stdin = self .old_stdin |
36 | self .connected_socket.close() |
37 | self .listen_socket.close() |
41 | do_c = do_cont = do_continue |
只想要一个REPL环境?试试IPython如何?
如果你不需要一个完整齐全的调试器,那就只需要用一下的方式启动一个IPython即可:
标准linux工具
我常常惊讶于它们竟然远未被充分利用。你能用这些工具解决很大范围内的问题:从性能问题(太多的系统调用,内存分配等等)到死锁,网络问题,磁盘问题等等。
其中最有用的是最直接的strace,只需要运行 sudo strace -p 12345 或者 strace -f 指令(-f 即同时追踪fork出来的子进程),这就行了。输出一般会非常大,所以你可能想要把它重定向到一个文件以便作更多的分析(只需要加上 &> 文件名)。
再就是ltrace,有点类似strace,不同的是,它输出的是库函数调用。参数大体相同。
还有lsof 用来指出你在ltrace/strace中看到的句柄数值的意义。比如:
lsof -p 123345
更好的跟踪
使用简单而可以做很多事情-人人都该装上htop!
sudo
apt-get
install
htop
sudo
htop
现在找到那些你想要的进程,再输入:
s - 代表系统调用过程(类似
strace
)
L - 代表库调用过程(类似ltrace)
l - 代表
lsof
|
监控
没 有好的持续的服务器监控,但是如果你曾遇到一些很诡异的情况,诸如为什么一切都运行的那么慢,那些系统资源都干什么去了,。。。等这些问题,想弄明白却又 无处下手之际,不必动用iotop、iftop、htop、iostat、vmstat这些工具,就用dstat吧!它可以做之前我们提过的大部分工作可 以做的事情,而且也许可以做的更好!
它会用一种紧凑的,代码高亮的方式(不同于iostat,vmstat)向你持续展示数据,你还经常可以看到过去的数据(不同于iftop、iostop、htop)。
只需运行:
| dstat --cpu --io --mem --net --load --fs --vm --disk-util --disk-tps --freespace --swap --top-io --top-bio-adv 很可能有一种更简短的方式来写上面这条命令, |
这是一个相当复杂而又强大的工具,但是这里我只提到了一些基本的内容(安装以及基础的命令)
sudo
apt-get
install
gdb python-dbg
zcat
/usr/share/doc/python2
.7
/gdbinit
.gz > ~/.gdbinit
现在使用:
bt - 堆栈跟踪(C 级别)
pystack - python 堆栈跟踪,不幸的是你需要有~/.gdbinit 并且使用python-dbg
c - 继续
发生段错误?用faulthandler !
python 3.3版本以后新增的一个很棒的功能,可以向后移植到python2.x版本。只需要运行下面的语句,你就可以大抵知道什么原因引起来段错误。
import
faulthandler
faulthandler.enable()
内存泄露
嗯,这种情况下有很多的工具可以使用,其中有一些专门针对WSGI的程序比如Dozer,但是我最喜欢的当然是objgraph。使用简单方便,让人惊讶!
它没有集成WSGI或者其他,所以你需要自己去发现运行代码的方法,像下面这样:
import
objgraph
objs = objgraph.by_type(
"Request"
)[:15]
objgraph.show_backrefs(objs, max_depth=20, highlight=lambda
v
:
v
in
objs,
filename=
"/tmp/graph.png"
)
Graph written to
/tmp/objgraph-zbdM4z
.dot (107 nodes)
Image generated as
/tmp/graph
.png
内存使用你会得到像这样一张图(注意:它非常大)。你也可以得到一张点输出。
有时你想少用些内存。更少的内存分配常常可以使程序执行的更快,更好,用户希望内存合适好用)
有许多可用的工具,但在我看来最好用的是pytracemalloc。与其他工具相比,它开销非常小(不需要依赖于严重影响速度的sys.settrace)而且输出非常详尽。但安装起来比较痛苦,你需要重新编译python,但有了apt,做起来也非常容易。
只需要运行这些命令然后去吃顿午餐或者干点别的:
1 | apt - get source python2. 7 |
3 | wget? https: / / github.com / wyplay / pytracemalloc / raw / master / python2. 7_track_free_list .patch |
4 | patch - p1 < python2. 7_track_free_list .patch |
7 | sudo dpkg - i python2. 7 - minimal_2. 7 * .deb python2. 7 - dev_ * .deb |
接着安装pytracemalloc (注意如果你在一个virtualenv虚拟环境下操作,你需要在重新安装python后再次重建 – 只需要运行 virtualenv myenv)
pip
install
pytracemalloc
现在像下面这样在代码里包装你的应用程序
01 | import tracemalloc, time |
03 | top = tracemalloc.DisplayTop( |
05 | file = open ( '/tmp/memory-profile-%s' % time.time(), "w" ) |
07 | top.show_lineno = True |
现在像下面这样在代码里包装你的应用程序
输出会像这样:
01 | 2013 - 05 - 31 18 : 05 : 07 : Top 5000 allocations per file and line |
原文地址:http://blog.jobbole.com/51062/