（点击
上方公众号
，可快速关注）
英文：Huy Nguyen
译文：yexiaobai
链接：segmentfault.com/a/1190000000616798
虽然并非你编写的每个 Python 程序都要求一个严格的性能分析，但是让人放心的是，当问题发生的时候，Python 生态圈有各种各样的工具可以处理这类问题。
分析程序的性能可以归结为回答四个基本问题：
-
正运行的多快
-
速度瓶颈在哪里
-
内存使用率是多少
-
内存泄露在哪里
下面，我们将用一些神奇的工具深入到这些问题的答案中去。
用 time 粗粒度的计算时间
让我们开始通过使用一个快速和粗暴的方法计算我们的代码:传统的 unix time 工具。
$
time python
yourprogram
.
py
real
0m1.028s
user
0m0.001s
sys
0m0.003s
三个输出测量值之间的详细意义在这里 stackoverflow article，但简介在这：
你会有你的应用程序用完了多少 CPU 周期的即视感，不管系统上其他运行的程序添加的系统和用户时间。
如果 sys 和 user 时间之和小于 real 时间，然后你可以猜测到大多数程序的性能问题最有可能与 IO wait 相关。
用 timing context 管理器细粒度的计算时间
我们下一步的技术包括直接嵌入代码来获取细粒度的计时信息。下面是我进行时间测量的代码的一个小片段
timer.py
import time
class
Timer
(
object
)
:
def __init__
(
self
,
verbose
=
False
)
:
self
.
verbose
=
verbose
def __enter__
(
self
)
:
self
.
start
=
time
.
time
()
return
self
def __exit__
(
self
,
*
args
)
:
self
.
end
=
time
.
time
()
self
.
secs
=
self
.
end
-
self
.
start
self
.
msecs
=
self
.
secs *
1000
# millisecs
if
self
.
verbose
:
print
'elapsed time: %f ms'
%
self
.
msecs
为了使用它，使用 Python 的 with 关键字和 Timer 上下文管理器来包装你想计算的代码。当您的代码块开始执行，它将照顾启动计时器,当你的代码块结束的时候，它将停止计时器。
这个代码片段示例：
from timer import Timer
from redis import Redis
rdb
=
Redis
()
with Timer
()
as
t
:
rdb
.
lpush
(
"foo"
,
"bar"
)
print
"=> elasped lpush: %s s"
%
t
.
secs
with Timer
()
as
t
:
rdb
.
lpop
(
"foo"
)
print
"=> elasped lpop: %s s"
%
t
.
secs
为了使用它，使用 Python 的 with 关键字和 Timer 上下文管理器来包装你想计算的代码。当您的代码块开始执行，它将照顾启动计时器,当你的代码块结束的时候，它将停止计时器。
这个代码片段示例：
from timer import Timer
from redis import Redis
rdb
=
Redis
()
with Timer
()
as
t
:
rdb
.
lpush
(
"foo"
,
"bar"
)
print
"=> elasped lpush: %s s"
%
t
.
secs
with Timer
()
as
t
:
rdb
.
lpop
(
"foo"
)
print
"=> elasped lpop: %s s"
%
t
.
secs
为了看看我的程序的性能随着时间的演化的趋势，我常常记录这些定时器的输出到一个文件中。
使用 profiler 逐行计时和分析执行的频率
罗伯特·克恩有一个不错的项目称为 line_profiler , 我经常使用它来分析我的脚本有多快，以及每行代码执行的频率：
为了使用它，你可以通过使用 pip 来安装它：
pip install line_profiler
安装完成后，你将获得一个新模块称为 line_profiler 和 kernprof.py 可执行脚本。
为了使用这个工具，首先在你想测量的函数上设置 @profile 修饰符。不用担心，为了这个修饰符，你不需要引入任何东西。kernprof.py 脚本会在运行时自动注入你的脚本。
primes.py
@
profile
def
primes
(
n
)
:
if
n
==
2
:
return
[
2
]
elif
n
2
:
return
[]
s
=
range
(
3
,
n
+
1
,
2
)
mroot
=
n
**
0.5
half
=
(
n
+
1
)
/
2
-
1
i
=
0
m
=
3
while
m
mroot
:
if
s
[
i
]
:
j
=
(
m
*
m
-
3
)
/
2
s
[
j
]
=
0
while
j
half
:
s
[
j
]
=
0
j
+=
m
i
=
i
+
1
m
=
2
*
i
+
3
return
[
2
]
+
[
x
for
x
in
s
if
x
]
primes
(
100
)
一旦你得到了你的设置了修饰符 @profile 的代码，使用 kernprof.py 运行这个脚本。
kernprof
.
py
-
l
-
v
fib
.
py
-l 选项告诉 kernprof 把修饰符 @profile 注入你的脚本，-v 选项告诉 kernprof 一旦你的脚本完成后，展示计时信息。这是一个以上脚本的类似输出：
Wrote profile
results to
primes
.
py
.
lprof
Timer
unit
:
1e
-
06
s
File
:
primes
.
py
Function
:
primes at
line
2
Total time
:
0.00019
s
Line
# Hits Time Per Hit % Time Line Contents
==============================================================
2
@
profile
3
def
primes
(
n
)
:
4
1
2
2.0
1.1
if
n
==
2
:
5
return
[
2
]
6
1
1
1.0
0.5
elif
n
2
:
7
return
[]
8
1
4
4.0
2.1
s
=
range
(
3
,
n
+
1
,
2
)
9
1
10
10.0
5.3
mroot
=
n
**
0.5
10
1
2
2.0
1.1
half
=
(
n
+
1
)
/
2
-
1
11
1
1
1.0
0.5
i
=
0
12
1
1
1.0
0.5
m
=
3
13
5
7
1.4
3.7
while
m
mroot
:
14
4
4
1.0
2.1
if
s
[
i
]
:
15
3
4
1.3
2.1
j
=
(
m
*
m
-
3
)
/
2
16
3
4
1.3
2.1
s
[
j
]
=
0
17
31
31
1.0
16.3
while
j
half
:
18
28
