如何分析我的代码？

Question

我想知道如何分析我的代码。

我已经看过了文档，但由于没有给出任何例子，我无法从中得到任何东西。

我有一个很大的代码，它占用了这么多的时间，因此我想要剖析并提高它的速度。我还没有写我的代码在方法中，有一些中间的，但不是完全的。我的代码中没有任何main。我想知道如何使用分析。我正在寻找一些关于如何分析的例子或样本代码。

我试过啦，也就是在我的代码顶端加了两行：

import psyco
psyco.full()

是这样的吗？它没有显示出任何改进。任何其他加速的方式，请提出建议。

Answer 1

这个问题的标准答案是使用cProfile。

但是，如果不将代码分成cProfile不会给您提供特别丰富信息的方法，您就会发现，。

取而代之的是，你可能想尝试一下另一位发帖人在这里所说的蒙特卡洛剖析。引用another answer的话

如果你很匆忙，并且你可以在调试器下手动中断你的程序，而它主观上很慢，那么有一个简单的方法可以找到性能问题。

只需停止它几次，每次查看调用堆栈。如果有一些代码浪费了一定百分比的时间，20%或50%或者其他什么，那就是你在每个样本上捕捉到它的概率，，所以这大致是你看到它的样本的百分比。不需要有经验的猜测。如果你确实有一个问题是什么的猜测，这将证明或反驳它。

您可能会遇到不同大小的多个性能问题。如果你清理掉其中的任何一个，剩下的将占据更大的比例，并且在后续的传递中更容易被发现。

警告:程序员往往对这种技术持怀疑态度，除非他们自己使用过它。他们会说分析器会给你这些信息，但只有在他们对整个调用栈进行采样的情况下，这才是真的。调用图不会给你提供相同的信息，因为1)它们不会在指令级别进行汇总，2)它们在存在递归的情况下会给出令人困惑的汇总。他们还会说，它只适用于玩具程序，而实际上它适用于任何程序，而且它似乎在更大的程序上工作得更好，因为他们倾向于有更多的问题来寻找重点。

它不是正统的，但我在一个项目中非常成功地使用了它，在这个项目中，使用cProfile进行分析并没有给我带来有用的输出。

最棒的是，这在Python中是非常容易做到的。只需在解释器中运行Python脚本，按Control-C组合键，记下回溯并重复多次。

Answer 2

编辑：

此答案已在https://github.com/campos-ddc/cprofile_graph中实现

使用cProfile进行性能分析

这是我前段时间写的一篇关于使用cProfile进行性能分析的文章，并提供了一些图形帮助。

cProfile是目前使用最多的python分析器之一，虽然功能非常强大，但标准文本输出有些平淡无奇。在这里，我将向您展示如何以一种更简单的方式在应用程序上使用cProfile。

有两种常用的使用cProfile的方法，您可以在提示符中使用它作为命令来分析给定的模块，或者可以在代码中使用它来分析特定的代码片段。

分析模块

要使用cProfile分析整个模块，只需在提示符中使用以下命令：

python -m cProfile -o output_filename.pstats path/to/script arg1 arg2

这将使用给定的参数(它们是可选的)运行模块，并将输出转储到output_filename.pstats中。

有一些lots of ways可以读取输出文件中的数据，但为了这篇文章的目的，让我们不要担心这些，而是专注于获得图形可视化。

从内部分析

有时，您不想分析整个模块，只需要几行代码。

要做到这一点，你必须向你的模块添加一些代码。

首先：

import cProfile

然后，您可以用以下代码段替换任何代码段：

cProfile.runctx('Your code here', globals(), locals(), 'output_file')

例如，下面是分析之前和之后的测试：

import unittest

class Test(unittest.TestCase):

    def testSomething(self):
        self.DoSomethingIDontCareAbout()

        param = 'whatever'
        self.RunFunctionIThinkIsSlow(param)

        self.AssertSomeStuff() # This is after all, a test

之后：

import unittest
import cProfile

class Test(unittest.TestCase):

    def testSomething(self):
        self.DoSomethingIDontCareAbout()

        param = 'whatever'
        cProfile.runctx(
            'self.RunFunctionIThinkIsSlow(param)',
            globals(),
            locals(),
            'myProfilingFile.pstats'
        )

        self.AssertSomeStuff() # This is after all, a test

将pstats文件转换为图形

要将分析文件转换为图形，您将需要一些东西：

• gprof2dot：此模块将您的输出转换为图形descriptions.
• GraphViz：的标准文件格式点文件。它将您的点文件转换为图像。

下载gprof2dot并安装GraphViz后，在提示符中运行以下命令：

python gprof2dot -f pstats myProfileFile | dot -Tpng -o image_output.png

您可能必须为gprof2dot和/或点使用完整的路径，或者可以将它们添加到path环境变量中。

完成所有这些之后，您应该有一个类似于以下内容的图像：

​

​

• 较热的颜色(红色、橙色、黄色)表示占用总运行时间的函数比较冷的颜色(绿色、蓝色)多
• 在每个节点上，您可以查看该函数使用的总运行时间的百分比以及节点之间的called.
• Arrows次数指示哪个函数调用了其他函数，这样的箭头还具有一个标题，指示通过该函数的运行时间百分比。

注意:百分比并不总是等于100%，特别是在引用C++代码的代码部分，这不会被分析。cProfile也无法确定从"eval“语句内部调用了什么，因此您可能会在图形中看到一些跳跃。

Answer 3

使用cProfile。您可以从命令行使用它，并将其作为参数传入模块，因此您不需要main方法。