python 性能分析工具 - cProfile
上手示例
使用比较简单，直接看例子：
import cProfile
import timeline_window
cProfile.run('timeline_window.main()')
timeline_window 是我们要测试的模块，timeline_window.main() 是它的主函数。 执行完之后打印如下信息
C:\Python37\python.exe C:\Users\edison\PycharmProjects\DataViz\performace_test.py
865497 function calls (858749 primitive calls) in 2.977 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
4 0.000 0.000 0.000 0.000 <__array_function__ internals>:2(amax)
19 0.000 0.000 0.001 0.000 <__array_function__ internals>:2(any)
17 0.000 0.000 0.001 0.000 <__array_function__ internals>:2(argwhere)
1 0.000 0.000 0.000 0.000 <__array_function__ internals>:2(array_equal)
1603 0.001 0.000 0.005 0.000 <__array_function__ internals>:2(atleast_1d)
6 0.000 0.000 0.000 0.000 <__array_function__ internals>:2(atleast_2d)
6 0.000 0.000 0.000 0.000 <__array_function__ internals>:2(concatenate)
811 0.001 0.000 0.001 0.000 <__array_function__ internals>:2(copyto)
7 0.000 0.000 0.000 0.000 <__array_function__ internals>:2(empty_like)
...
每一行依次列出了各个子函数的运行分析信息：
-
ncalls 调用次数
-
tottime 在给定函数中花费的总时间（不包括调用子函数的时间）
-
percall tottime除以ncalls的商
-
cumtime 是在这个函数和所有子函数中花费的累积时间（从调用到退出）。
-
percall是cumtime除以原始调用次数的商
-
filename:lineno(function) 提供每个函数的各自信息
保存性能数据
import cProfile
import timeline_window
cProfile.run('timeline_window.main()', 'restats')
性能数据的文件会保存到当前目录下的restats文件中。
查看性能数据
加载这些数据，可以进行后续的比较分析。
import pstats
from pstats import SortKey
# 加载保存到restats文件中的性能数据
p = pstats.Stats('restats')
# 打印所有统计信息
p.strip_dirs().sort_stats(-1).print_stats()
查看耗时最多的子函数
最常用的是，查看耗时最多的函数排序，比如前十个：
# 打印累计耗时最多的10个函数
p.sort_stats(SortKey.CUMULATIVE).print_stats(10)
# 打印内部耗时最多的10个函数（不包含子函数）
p.sort_stats(SortKey.TIME).print_stats(10)
Mon Dec 5 16:20:20 2022 restats
42734012 function calls (42727371 primitive calls) in 43.122 seconds
Ordered by: cumulative time
List reduced from 2541 to 10 due to restriction <10>
ncalls tottime percall cumtime percall filename:lineno(function)
290/1 0.002 0.000 43.589 43.589 {built-in method builtins.exec}
1 0.026 0.026 43.589 43.589 timeline_window.py:153(main)
1 0.000 0.000 40.626 40.626 timeline_window.py:141(load_events_from_file)
1 0.000 0.000 39.737 39.737 timeline_window.py:131(add_timestamps_scatter)
1 0.010 0.010 39.722 39.722 timeline_scatter.py:80(set_events)
801 0.005 0.000 39.419 0.049 PlotItem.py:597(addLine)
803 0.012 0.000 39.309 0.049 PlotItem.py:521(addItem)
808 0.008 0.000 39.286 0.049 ViewBox.py:402(addItem)
1628 0.205 0.000 39.004 0.024 ViewBox.py:896(updateAutoRange)
3231 10.849 0.003 38.744 0.012 ViewBox.py:1404(childrenBounds)
于是，我们找到了耗时的大头： 调用了 801 次耗时 39ms 的 PlotItem.py:597(addLine) 函数。