Python性能之cProfile和line_profile搭配使用！

python性能调试过程中最突出的问题就是耗时，性能测试工具有很多，这里介绍cprofile和line_profiler的搭配使用方法。前者返回项目中每个函数的耗时，后者可以分析函数每一行的耗时。

一，cProfile

cProfile是python默认的性能分析器

cProfile是一种确定性分析器，只测量CPU时间，并不关心内存消耗和其他与内存相关联的信息。

参数分析：

run(statement,filename=None,sort=-1)
#statement:需要测试的代码或者函数（函数名）
#fielname:结果保存的位置，默认为stdout
#sort:结果排序方法，常用的有‘cumtime':累积时间，’name':函数名，‘line':行号
#以及下面结果分析里的’ncalls'等

使用方法一：

importre
importcProfile
cProfile.run('re.compile("abc")')

结果分析：

第一行：129个函数调用被监控，其中128个是原生调用（不涉及递归）

ncalls：函数被调用的次数。如果这一列有两个值，就表示有递归调用，第二个值是原生调用次数，第一个值是总调用次数。

tottime：函数内部消耗的总时间。（可以帮助优化）

percall：是tottime除以ncalls，一个函数每次调用平均消耗时间。

cumtime：之前所有子函数消费时间的累计和。

filename:lineno(function)：被分析函数所在文件名、行号、函数名。

使用方法二：

importcProfile
importre
cProfile.run('re.compile("abc")','result.out','cumtime')

使用方法三：控制台

终端：python-mcProfile-oresult.out-scumulativetest.py
#效果同方法二

结果分析：

结果保存在文件名为result.out的二进制文件里。

结果读取：pstats模块和Stats类

importpstats
defview_profile(path):
p=pstats.Stats(f"{path}")
p.sort_stats("cumulative")#表示结果按照累计时间耗费排序，其它排序同上
p.print_stats(3)#输出结果输出结果的前三行，参数还可以是0，1之间的小数，表示输出结果的占比，没有参数表示输出全部结果
p.print_callers()#可以显示函数被哪些函数调用
p.print_callees()#可以显示哪个函数调用了哪些函数

二，line_profiler

这个性能分析器和cProfile不同，他能帮你一行一行的分析性能。

如果瓶颈问题在某一行中，这样就需要line_profiler解决了。

建议使用kernprof工具

安装

pipinstallline_profiler

使用方法一：kernprof

@profile
deffib(n):
#文件名aaa.py
a,b=0,1
foriinrange(0,n):
a,b=b,a+b
returna
fib(5)

终端：kernprof-l-vaaa.py
#-l表示逐行分析-v用于控制台输出,不加-v会把分析结果写入aaa.py.lprof文件

使用方法二：函数调用

fromline_profilerimportLineProfiler
deftest_line(func_name,parameter=None):
“”“
:param:func_name,str,函数名
:param:parameter,函数参数
”“”
lp=LineProfiler()
lp_wrapper=lp(func_name)
ifparameterisnotNone:
lp_wrapper(parameter)#如果有参数，没参数不用写
lp.print_stats()#展示结果

结果分析

Line：文件中的行号。

Hits：性能分析时代码执行的次数。

Time：一段代码执行的总时间，由计数器决定。

Per Hit：执行一段代码平均消耗时间。

% Time：执行一段代码时间消耗比例。

三，搭配使用

先用cProfile确定项目中耗时最多的几个函数，然后用line_profiler分析这几个耗时最多的函数，确定行性能瓶颈。

更多Python知识，请关注Python视频教程！！