在這篇文章中借帘，我將討論一個工具，用以分析Python中CPU使用情況淌铐。CPU分析是通過分析CPU執(zhí)行代碼的方式來測量代碼的性能肺然，以此找到代碼中的不妥之處，然后處理它們腿准。

接下來我們將看看如何跟蹤Python腳本使用時CPU使用情況际起，重點關(guān)注以下幾個方面：

1、cProfile

2吐葱、line_profiler

3街望、pprofile

4、vprof

測量CPU使用率

對于這篇文章弟跑，我將主要使用與內(nèi)存分析中使用腳本相同的腳本灾前，具體如下：

另外，請記住孟辑，在PyPy2中哎甲，您需要使用與之配合的pip版本：

并且其他依賴項也將被安裝：

cProfile

在討論CPU分析時，最常用的工具之一是cProfile饲嗽，主要是因為它內(nèi)置在CPython2和PyPy2中炭玫。這是一個確定性的分析器，意味著在運行程序時會收集一組統(tǒng)計數(shù)據(jù)貌虾，例如我們代碼的各個部分的執(zhí)行次數(shù)或執(zhí)行時間吞加。此外，cProfile在系統(tǒng)上的開銷比其他內(nèi)置的分析器（配置文件）要低。

CPython2的用法很簡單：

如果您使用PyPy2：

其輸出如下：

即使使用這個文本輸出榴鼎，很容易看到我們的腳本多次調(diào)用了list.append方法伯诬。

如果我們使用gprof2dot，我們可以以圖形的方式看到cProfile輸出巫财。要使用它盗似，我們必須首先安裝graphviz，之后是一些依賴包平项，最后在Ubuntu上使用如下命令：

再次運行腳本：

我們得到以下output.png文件：

這樣更容易看到一切赫舒。我們來仔細看看它的輸出。您可以看到腳本中的函數(shù)調(diào)用如下：

1闽瓢、第一行：Python文件名接癌，行號和方法名稱

2、第二行：代碼塊占用全部時間的百分比

3扣讼、第三行：括號中缺猛，方法本身占全部時間的百分比

4、第四行：調(diào)用函數(shù)的次數(shù)

例如椭符，在頂部的第三個紅色方塊中荔燎，方法primes占用了98.28％的時間，其中65.44％的內(nèi)容在其中進行销钝，調(diào)用了40次有咨。其余的時間花在Python中的list.append（22.33％）和range（11.51％）中。

作為一個簡單的腳本蒸健，我們只需要重寫我們的腳本座享，具體的如下所示：

如果我們使用CPython2測量我們腳本的時間，

還有PyPy2：

我們通過使用PyPy2的CPython2和3.1X獲得了不錯的效果似忧，下面是cProfile的調(diào)用流程圖：

您還可以以編程方式使用cProfile渣叛，例如：

這在某些情況下很有用，例如多進程性能測量

line_profiler

此分析器在行級提供關(guān)于工作負載的信息橡娄。它使用Cython在C中實現(xiàn)诗箍，并將其與cProfile進行比較時發(fā)現(xiàn)其具有較小的開銷。

源代碼可以在這里找到挽唉，也可以在這里找到PyPI頁面滤祖。與cProfile相比，它具有一樣的開銷瓶籽，不過卻要花費12倍的時間來獲取配置文件匠童。

要使用它，您需要先通過pip添加它：pip install pip install Cython ipython == 5.4.1 line_profiler（CPython2）塑顺。這個分析器的一個主要缺點是它不支持PyPy汤求。

就像使用memory_profiler一樣俏险，您需要在要分析的函數(shù)中添加一個裝飾器。在我們的例子中扬绪，您需要在03.primes-v1.py中定義我們的primes函數(shù)之前添加@profile竖独。然后調(diào)用它：

你將得到如下輸出：

我們看到，重復調(diào)用list.append的兩個循環(huán)花了最多的時間挤牛。

pprofile

根據(jù)作者說明莹痢，pprofile是一個“線程測量和統(tǒng)計的純python分析器”。

它受到line_profiler的啟發(fā)墓赴，修復了很多缺點竞膳，但是由于它完全用Python編寫，所以它也可以與PyPy成功使用诫硕。與cProfile相比坦辟，使用CPython時的分析時間要多28倍，而使用PyPy時章办，分析時間要多10倍锉走，而且細節(jié)水平更加細化。

我們也支持PyPy纲菌！除此之外挠日，它支持剖析線程，這在各種情況下可能會很方便翰舌。

要使用它，您需要先通過pip添加它：pip install pprofile（CPython2）/ pypy -m pip install pprofile（PyPy）冬骚，然后調(diào)用它：

輸出與我們以前看到的不同椅贱，我們得到如下結(jié)果：

我們現(xiàn)在可以更詳細地看到一切。讓我們來看看輸出只冻。您可以獲得腳本的整個輸出庇麦，并且在每行之前，您可以看到對其進行的調(diào)用次數(shù)喜德，運行時間（秒）山橄，每次調(diào)用的時間和全局時間的百分比，pprofile為我們的輸出添加了額外的行（如第44和50行舍悯，以（call）開頭）與累積指標航棱。

再次，我們看到萌衬，重復調(diào)用list.append的兩個循環(huán)花了我們腳本中最多的時間饮醇。

vprof

vprof是一個Python分析器，為各種Python程序特性（如運行時間和內(nèi)存使用）提供豐富的交互式可視化秕豫。它是一個基于Node.JS的圖形化的顯示在網(wǎng)頁中的結(jié)果朴艰。

使用它观蓄，您可以看到與Python腳本相關(guān)的以下一個或全部：

1、CPU使用圖

2祠墅、代碼分析

3侮穿、內(nèi)存圖

4、代碼熱圖

要使用它毁嗦，您需要先通過pip添加它：pip install vprof（CPython2）/ pypy -m pip install vprof（PyPy）撮珠，然后調(diào)用它：

在CPython2上，顯示代碼散熱圖（第一個調(diào)用如下）和代碼分析（下面的第二個調(diào)用）：

在PyPy上金矛，顯示代碼散熱圖（第一個調(diào)用如下）和代碼分析（下面的第二個調(diào)用）：

在每種情況下芯急，您將看到代碼散點圖的以下內(nèi)容

以及代碼分析的以下內(nèi)容。

結(jié)果以圖形方式看到驶俊，我們可以懸停鼠標或單擊每行以獲取更多信息娶耍。再次，我們看到饼酿，重復調(diào)用list.append的兩個循環(huán)花了我們腳本中最多的時間榕酒。

英文原文：https://pythonfiles.wordpress.com/2017/06/01/hunting-performance-in-python-code-part-3/

譯者：buhaoxuesheng