Python 性能 剖分 工具

Python 性能剖分工具

From：http://blog.csdn.net/lanphaday/

一、profile、cProfile与hotshot

profile、cProfile与hotshot

         Python 内置了丰富的性能优化工具来帮助我们定位性能瓶颈，如：profile、cProfile和 hotshot。它们易于使用，而且有完备的支持文档可供参考。下面以最常用的 profile 模块为例来说明它们的使用方法，假定要剖分的脚本文件为 foo.py ，它的内容如下：

def foo():

       sum = 0

       for i in range(100):

              sum += i

       return sum

if __name__ == "__main__":

       foo()

对 foo.py 进行性能剖分的方法之一是修改 foo.py 里的 if 程序块，引入 profile 模块：

if __name__ == "__main__":

       import profile

       profile.run("foo()")

然后执行 foo.py 即可完成性能剖分，剖分结果将以文本报表的形式打印到标准输出。

         因为上述方法需要修改 foo.py 文件，所以我们通常更倾向于使用无需修改源文件的方法——就是在命令行中用应用 python 的 –m 参数来执行 profile ：

python –m profile foo.py

         除了可以使用 profile 模块外，还可以使用 cProfile 模块。cProfile由 C 语言实现，是剖分代价更低的剖分器，有和 profile 模块相同的接口，但只能用于2.5或以上版本。Python另一个内置的剖分器是 hotshot，但是 hotshot 模块已经不再推荐使用，因为将来它可能会被移出标准库。

pstats

         无论使用哪个剖分器，它的剖分数据都可以保存到二进制文件，如foo.prof。分析和查看剖分结果文件需要使用 pstats 模块，它极具伸缩性，可以输出形式多样的文本报表，是文本界面下不可或缺的工具。

         使用 pstats 分析剖分结果很简单，几行代码就可以了：

import pstats

p = pstats.Stats("foo.prof")

p.sort_stats("time").print_stats()

运行上述脚本将输出结果为按函数内部运行时间（不计调用子函数的时间）长短排序的报表。

         sort_stats() 方法是 pstats.Stats 最重要的方法之一，它用以对剖分数据进行排序。sort_stats() 接受一个字符串参数，这个字符串标识了排序的字段，常用的可选的参数及其意义如下：

 

‘ncalls’	被调用次数
‘cumulative’	函数运行的总时间
‘nfl’	Name/file/line
‘time’	函数内部运行时间（不计调用子函数的时间）

 

除了 sort_stats() 外， pstats.Stats 还有 print_callees() 和 print_callers() 方法用以输出指定函数所调用的函数和调用过指定函数的函数。

         除了编编程接口外，pstats 还提供了友好的命令行交互环境，在命令行执行 python –m pstats 就可以进入交互环境，在交互环境里可以使用 read/add 指令读入/加载剖分结果文件，stats 指令用以查看报表， callees 和 callers 指令用以查看特定函数的被调用者和调用者。下图是 pstats 的截图，标识了它的基本使用方法：

 

 

二、开源可视化 Python 性能调优工具 VPT 

项目主页：

http://code.google.com/p/visualpytune

预览：

安装：

Windows 用户请从下面的地址下载压缩包（5.3 MB），解压即可以使用：

http://visualpytune.googlecode.com/files/visualpytune-0.1.0-win32.zip

Linux 用户请直接从 svn checkout：

svn checkout http://visualpytune.googlecode.com/svn/trunk/ visualpytune-read-only