[Python]程序性能分析
有些脚本发现比预期要慢的多,就需要找到瓶颈,然后做相应的优化,参考A guide to analyzing Python performance,也可以说是翻译。
指标
- 运行时间
- 时间瓶颈
- 内存使用
- 是否有内存泄漏
基本
linux time
这是个shell中自带的命令,也是最简单和方面的方法,但是得到信息太少
[root@bogon util]# time python pvsts.py
Yesterday PV/UV
PV 46300
UV is 3899
real 2m36.591s #花费时间
user 2m37.167s #用户态时间
sys 0m2.010s #内核态时间
如果 sys
+user
比 real
小的多,就要考虑io等待时间是否过长了。
使用Cprofile工具
用起来很简单,显示的东西也很多,但是对于代码
来说不是很直观
[root@bogon util]# python -m cProfile pvsts.py
Yesterday PV/UV
PV 46300
UV is 3899
502249600 function calls (502249597 primitive calls) in 250.221 CPU seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 250.221 250.221 <string>:1(<module>)
1 0.000 0.000 0.000 0.000 __future__.py:48(<module>)
1 0.000 0.000 0.000 0.000 __future__.py:74(_Feature)
7 0.000 0.000 0.000 0.000 __future__.py:75(__init__)
1 0.000 0.000 0.000 0.000 __init__.py:49(normalize_encoding)
1 0.000 0.000 0.000 0.000 __init__.py:71(search_function)
1 0.000 0.000 0.000 0.000 base64.py:3(<module>)
测试时间工具line_profiler
就是这个小工具,安装很simple
$ pip install line_profiler
在想要测试的函数上添加一个 @profile
装饰器(不用倒入任何包,工具会自动倒入)
@profile
def sts_uv():
#mac_list = []
mac_set = set()
with open(temp_log, 'r') as f:
for line in f.readlines():
basid, mac, ip = decode_token(str(line.strip()))
#mac_list.append(mac)
mac_set.add(mac)
#uv = len(set(mac_list))
uv = len(mac_set)
print "UV is {0}".format(uv)
return uv
得到结果:
[root@bogon util]# kernprof -l -v pvsts.py
Yesterday PV/UV
PV 46300
UV is 3899
Wrote profile results to pvsts.py.lprof
Timer unit: 1e-06 s
Total time: 450.299 s
File: pvsts.py
Function: sts_uv at line 74
Line # Hits Time Per Hit % Time Line Contents
==============================================================
74 @profile
75 def sts_uv():
76 #mac_list = []
77 1 10 10.0 0.0 mac_set = set()
78 1 59 59.0 0.0 with open(temp_log, 'r') as f:
79 42431 38556 0.9 0.0 for line in f.readlines():
80 42430 450188794 10610.2 100.0 basid, mac, ip = decode_token(str(line.strip()))
81 #mac_list.append(mac)
82 42430 71491 1.7 0.0 mac_set.add(mac)
83 #uv = len(set(mac_list))
84 1 2 2.0 0.0 uv = len(mac_set)
85 1 15 15.0 0.0 print "UV is {0}".format(uv)
86 1 1 1.0 0.0 return uv
同时还是会生成一个pvsts.py.lprof
文件
测试内存使用 pip install -U memory_profiler
安装两个工具
$ pip install -U memory_profiler
$ pip install psutil
使用上也是添加一个 ‘@profile’ 装饰器,跟上面的一样。
测试
[root@bogon util]# python -m memory_profiler pvsts.py
Yesterday PV/UV
PV 46300
UV is 3899
Filename: pvsts.py
Line # Mem usage Increment Line Contents
================================================
74 9.676 MiB 0.000 MiB @profile
75 def sts_uv():
76 #mac_list = []
77 9.676 MiB 0.000 MiB mac_set = set()
78 9.676 MiB 0.000 MiB with open(temp_log, 'r') as f:
79 15.289 MiB 5.613 MiB for line in f.readlines():
80 15.289 MiB 0.000 MiB basid, mac, ip = decode_token(str(line.strip()))
81 #mac_list.append(mac)
82 15.289 MiB 0.000 MiB mac_set.add(mac)
83 #uv = len(set(mac_list))
84 14.961 MiB -0.328 MiB uv = len(mac_set)
85 14.961 MiB 0.000 MiB print "UV is {0}".format(uv)
86 14.961 MiB 0.000 MiB return uv
声明:
本文出自 “orangleliu笔记本” 博客,转载请务必保留此出处http://blog.csdn.net/orangleliu/article/details/45934005 作者orangleliu 采用署名-非商业性使用-相同方式共享协议
[Python]程序性能分析的更多相关文章
- Python程序性能分析模块----------cProfile
cProfile分析器可以用来计算程序整个运行时间,还可以单独计算每个函数运行时间,并且告诉你这个函数被调用多少次 def foo(): pass import cProfile cProfile.r ...
- python程序性能分析
中文:http://www.cnblogs.com/zhouej/archive/2012/03/25/2379646.html 英文:https://www.huyng.com/posts/pyth ...
- Linux下的应用程序性能分析 总结
Linux下的应用程序性能分析,根据内核程序和应用程序的不同,下文分两类进行描述. 我们侧重的是应用级别的程序,推荐google perf tool/kcachegrind组合 一.和内核有关的工具 ...
- Linux程序性能分析和火焰图
Linux程序性能分析和火焰图 Linux程序的性能分析工具数量比较多,涉及到整个操作系统的方方面面,可能是开源的原因吧,相对于Windows来说丰富太多.其中应用分析性能方面Dtrace, Syst ...
- 八、jdk工具之JvisualVM、JvisualVM之二--Java程序性能分析工具Java VisualVM
目录 一.jdk工具之jps(JVM Process Status Tools)命令使用 二.jdk命令之javah命令(C Header and Stub File Generator) 三.jdk ...
- Golang程序性能分析
前言 程序性能分析我相信是每个程序员都会遇到的问题,比如说一个程序的CPU为什么占用这么高?有没有优化的空间?又比如程序出现了内存泄漏如何排查等等.如果是C++程序会借助于Google pprof c ...
- 一个python 服务器程序性能分析
该服务器为bono,启动11个进程. 1.设置cprofile 在启动服务的总入口设置cprofile if __name__=="__main__": import cProfi ...
- 转帖:Python应用性能分析指南
原文:A guide to analyzing Python performance While it’s not always the case that every Python program ...
- [golang]7种 Go 程序性能分析方法
视频信息 Seven ways to Profile Go Applicationsby Dave Cheneyat Golang UK Conf. 2016 视频:https://www.youtu ...
随机推荐
- 【LSGDOJ1834 Tree】树链剖分
题目描述 给定一个N个结点的无向树,树中的结点按照1...N编号,树中的边按照1...N − 1编号,每条边都赋予一个权值.你需要编写程序支持以下三种操作: 1. CHANGE i v:将i号边 ...
- C#中Fun简单介绍及运用到项目中与缓存(本地缓存,Redis)结合使用
1.简单介绍Fun C#中Fun和Action有点类似,都是一个委托方法,不同的是Func是有返回值的,而Action没有. (T)此委托封装的方法的参数类型. 备注:详情了解Fun到(https: ...
- Android开发Java基础之Java语言基础(1)
Java中的基本数据类型 整数类型 整数类型用来存储整数数值,既没有小数部分的数值.可以是正数,也可以是负数.整数类型在Java程序中有三种表现形式,分别是十进制,八进制,十六进制. 整型数据根据它所 ...
- 628. Maximum Product of Three Numbers
Given an integer array, find three numbers whose product is maximum and output the maximum product. ...
- 重写轮子之 GaussionNB
我仿照sk-learn 中 GaussionNB 的结构, 重写了该算法的轮子,命名为 MyGaussionNB, 如下: # !/usr/bin/python # -*- coding:utf-8 ...
- 如何去掉修改Joomla、joomlart及其模版版权、标志、图标的方法
Joomla是遵循GNU通用公共授权(GPL)的自由软件,我们虽然不推荐将Joomla的所有版权删除,但有些必要的信息还是需要修改的,下面以JoomlArt.com 的JA_teline_iii_v2 ...
- python学习之路基础篇(第八篇)
一.作业(对象的封装) 要点分析 1.封装,对象中嵌套对象 2.pickle,load,切记,一定要先导入相关的类二.上节内容回顾和补充 面向对象基本知识: 1.类和对象的关系 2.三大特性: 封装 ...
- python学习之路基础篇(三)
博客参考:http://www.cnblogs.com/wupeiqi/articles/4943406.html http://www.cnblogs.com/luotianshuai/p/4949 ...
- Dynamics 365 Web Api之基于single-valued navigation property的filter查询
本篇要讲的是dynamics 新版本中web api的一个改进功能,虽然改进的很有限,但至少是改进了. 举个例子,我们现在知道联系人的名字vic,我们想找出客户记录中主要联系人名字为vic的所有客户, ...
- Unity3D开发注意事项
最近给组里定Unity开发注意事项,参考了@陆泽西在群里分享的[前端开发规范],结合自己工作中的经验,整理一下,下面不少条款都是我们要求在开发中必须遵守的. 资源: 图片统一为png格式,纹理属性:T ...