python性能分析_程序人生

python性能分析

admin

2023-07-31 00:47:10

0次

调优简介

什么是性能分析

没有优化过的程序通常会在某些子程序(subroutine)上消耗大部分的CPU指令周期(CPU　cycle)。性能分析就是分析代码和它正在使用的资源之间有着怎样的关系。例如,性能分析可以告诉你一个指令占用了多少CPU时间,或者整个程序消耗了多少内存。性能分析是通过使用一种被称为性能分析器(profiler)的工具,对程序或者二进制可执行文件(如果可以拿到)的源代码进行调整来完成的。

性能分析软件有两类方法论:基于事件的性能分析(event-based profiling)和统计式性能分析(statistical profiling)。

支持这类基于事件的性能分析的编程语言主要有以下几种。

Java:JVMTI(JVM Tools Interface,JVM工具接口)为性能分析器提供了钩子,可以跟踪诸如函数调用、线程相关的事件、类加载之类的事件。
.NET:和Java一样,.NET运行时提供了事件跟踪功能(https://en.wikibooks.org/wiki/Intro-duction_to_Software_Engineering/Testing/Profiling#Methods_of_data_gathering)。
Python: 开发者可以用 sys.setprofile 函数,跟踪 python_[call|return|exception]或 c_[call|return|exception] 之类的事件。

基于事件的性能分析器(event-based profiler,也称为轨迹性能分析器,tracing profiler)是通过收集程序执行过程中的具体事件进行工作的。这些性能分析器会产生大量的数据。基本上,它们需要监听的事件越多,产生的数据量就越大。这导致它们不太实用,在开始对程序进行性能分析时也不是首选。但是,当其他性能分析方法不够用或者不够精确时,它们可以作为最后的选择。

Python基于事件的性能分析器的简单示例代码

123456789101112131415161718192021222324

import sys def profiler(frame, event, arg): print \’PROFILER: %r %r\’ % (event, arg) sys.setprofile(profiler) #simple (and very ineficient) example of how to calculate the Fibonacci sequence for a number.def fib(n): if n == 0: return 0 elif n == 1: return 1 else: return fib(n–1) + fib(n–2) def fib_seq(n): seq = [ ] if n > 0: seq.extend(fib_seq(n–1)) seq.append(fib(n)) return seq print fib_seq(2)

执行结果：

12345678910111213141516171819202122232425262728293031323334353637

$ python test.py PROFILER: \’call\’ NonePROFILER: \’call\’ NonePROFILER: \’call\’ NonePROFILER: \’call\’ NonePROFILER: \’return\’ 0PROFILER: \’c_call\’ <built–in method append of list object at 0x7f113d7f67a0>PROFILER: \’c_return\’ <built–in method append of list object at 0x7f113d7f67a0>PROFILER: \’return\’ [0]PROFILER: \’c_call\’ <built–in method extend of list object at 0x7f113d7e0d40>PROFILER: \’c_return\’ <built–in method extend of list object at 0x7f113d7e0d40>PROFILER: \’call\’ NonePROFILER: \’return\’ 1PROFILER: \’c_call\’ <built–in method append of list object at 0x7f113d7e0d40>PROFILER: \’c_return\’ <built–in method append of list object at 0x7f113d7e0d40>PROFILER: \’return\’ [0, 1]PROFILER: \’c_call\’ <built–in method extend of list object at 0x7f113d7e0758>PROFILER: \’c_return\’ <built–in method extend of list object at 0x7f113d7e0758>PROFILER: \’call\’ NonePROFILER: \’call\’ NonePROFILER: \’return\’ 1PROFILER: \’call\’ NonePROFILER: \’return\’ 0PROFILER: \’return\’ 1PROFILER: \’c_call\’ <built–in method append of list object at 0x7f113d7e0758>PROFILER: \’c_return\’ <built–in method append of list object at 0x7f113d7e0758>PROFILER: \’return\’ [0, 1,>PROFILER: \’return\’ [0, 1,\’能分析是通过使用一种被称为性能分析器(profiler)的工具,对程序或者二进制可执行文件(如果可以拿到)的源代码进行调整来完成的。

性能分析软件有两类方法论:基于事件的性能分析(event-based profiling)和统计式性能分析(statistical profiling)。

支持这类基于事件的性能分析的编程语言主要有以下几种。

Java:JVMTI(JVM Tools Interface,JVM工具接口)为性能分析器提供了钩子,可以跟踪诸如函数调用、线程相关的事件、类加载之类的事件。
.NET:和Java一样,.NET运行时提供了事件跟踪功能(https://en.wikibooks.org/wiki/Intro-duction_to_Software_Engineering/Testing/Profiling#Methods_of_data_gathering)。
Python: 开发者可以用 sys.setprofile 函数,跟踪 python_[call|return|exception]或 c_[call|return|exception] 之类的事件。

Python基于事件的性能分析器的简单示例代码

123456789101112131415161718192021222324

执行结果：

12345678910111213141516171819202122232425262728293031323334353637

上一篇：Django添加全文搜索功能入门篇

下一篇：Python Socket 网络编程

python性能分析

什么是性能分析

相关内容

热门资讯