眼看著項目即將完成，卻被測試人員告知沒有通過性能測試，這種情況在開發(fā)中屢見不鮮。接下來的工作就是加班加點(diǎn)地找出性能瓶頸，然后進(jìn)行優(yōu)化，再進(jìn)行性能測試，如此這般周而復(fù)始直到通過性能測試。盡管豐富的工作經(jīng)驗(yàn)有助于性能優(yōu)化，但只有科學(xué)地應(yīng)用工具才能在最短的時間內(nèi)找出最佳優(yōu)化粒度的瓶頸代碼段，達(dá)到事半功倍的效果。

profile、cProfile與hotshot

Python內(nèi)置了豐富的性能優(yōu)化工具來幫助我們定位性能瓶頸，如：profile、cProfile和hotshot。它們易于使用，而且有完備的支持文檔可供參考。下面以最常用的profile模塊為例來說明它們的使用方法，假定要剖分的腳本文件為foo.py，它的內(nèi)容如下：

deffoo():

sum=0

foriinrange(100):

sum+=i

returnsum

if__name__=="__main__":

foo()

對foo.py進(jìn)行性能剖分的方法之一是修改foo.py里的if程序塊，引入profile模塊：

if__name__=="__main__":

importprofile

profile.run("foo()")

然后執(zhí)行foo.py即可完成性能剖分，剖分結(jié)果將以文本報表的形式打印到標(biāo)準(zhǔn)輸出。

因?yàn)樯鲜龇椒ㄐ枰薷膄oo.py文件，所以我們通常更傾向于使用無需修改源文件的方法——就是在命令行中用應(yīng)用python的–m參數(shù)來執(zhí)行profile：

python–mprofilefoo.py

除了可以使用profile模塊外，還可以使用cProfile模塊。cProfile由C語言實(shí)現(xiàn)，是剖分代價更低的剖分器，有和profile模塊相同的接口，但只能用于2.5或以上版本。Python另一個內(nèi)置的剖分器是hotshot，但是hotshot模塊已經(jīng)不再推薦使用，因?yàn)閷硭赡軙灰瞥鰳?biāo)準(zhǔn)庫。

pstats

無論使用哪個剖分器，它的剖分?jǐn)?shù)據(jù)都可以保存到二進(jìn)制文件，如foo.prof。分析和查看剖分結(jié)果文件需要使用pstats模塊，它極具伸縮性，可以輸出形式多樣的文本報表，是文本界面下不可或缺的工具。

使用pstats分析剖分結(jié)果很簡單，幾行代碼就可以了：

importpstats

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

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

運(yùn)行上述腳本將輸出結(jié)果為按函數(shù)內(nèi)部運(yùn)行時間(不計調(diào)用子函數(shù)的時間)長短排序的報表。

sort_stats()方法是pstats.Stats最重要的方法之一，它用以對剖分?jǐn)?shù)據(jù)進(jìn)行排序。sort_stats()接受一個字符串參數(shù)，這個字符串標(biāo)識了排序的字段，常用的可選的參數(shù)及其意義如下：

ncalls’

被調(diào)用次數(shù)

‘cumulative’

函數(shù)運(yùn)行的總時間

‘nfl’

Name/file/line

‘time’

函數(shù)內(nèi)部運(yùn)行時間(不計調(diào)用子函數(shù)的時間)

除了sort_stats()外，pstats.Stats還有print_callees()和print_callers()方法用以輸出指定函數(shù)所調(diào)用的函數(shù)和調(diào)用過指定函數(shù)的函數(shù)。

除了編編程接口外，pstats還提供了友好的命令行交互環(huán)境，在命令行執(zhí)行python–mpstats就可以進(jìn)入交互環(huán)境，在交互環(huán)境里可以使用read/add指令讀入/加載剖分結(jié)果文件，stats指令用以查看報表，callees和callers指令用以查看特定函數(shù)的被調(diào)用者和調(diào)用者。下圖是pstats的截圖，標(biāo)識了它的基本使用方法

以上內(nèi)容為大家介紹了Python性能剖分工具，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://m.2667701.com/