譯自：Marina mele的 7 tips to Time Python scripts and control memory and cpu usage
當(dāng)運(yùn)行一個(gè)復(fù)雜的 Python 程序溢十，它需要很長時(shí)間來執(zhí)行杯拐。你或許想提升它的執(zhí)行時(shí)間堪澎。但如何做卢肃？
首先，你需要工具來查明你代碼的瓶頸蝙寨，比如冈爹，那部分執(zhí)行花費(fèi)的時(shí)間長。用這個(gè)方法逛绵，你可以首先專注于提升這部分的速度怀各。
而且，你也應(yīng)該控制內(nèi)存和 CPU 使用率暑脆，因?yàn)樗梢詾槟阒赋龅拇a可以改進(jìn)的新的部分渠啤。
所以，在本文中添吗，我將對(duì) 7 個(gè)不同的 Python 工具發(fā)表意見沥曹，給你一些關(guān)于你函數(shù)執(zhí)行時(shí)間和內(nèi)存以及 CPU 使用率的見解。

1. 使用一個(gè)裝飾器來測(cè)量你的函數(shù)
   測(cè)量一個(gè)函數(shù)最簡(jiǎn)單的方式就是定義一個(gè)裝飾器來測(cè)量運(yùn)行該函數(shù)的運(yùn)行時(shí)間碟联，并打印該結(jié)果：

import time
from functools import wraps
 
 
def fn_timer(function):
    @wraps(function)
    def function_timer(*args, **kwargs):
        t0 = time.time()
        result = function(*args, **kwargs)
        t1 = time.time()
        print ("Total time running %s: %s seconds" %
               (function.func_name, str(t1-t0))
               )
        return result
    return function_timer

這時(shí)妓美，你已經(jīng)在你想測(cè)量的函數(shù)之前添加了裝飾器，像：

@fn_timerdef 
myfunction(...): ...

例如鲤孵，讓我們測(cè)量下排序一個(gè) 2000000 個(gè)隨機(jī)數(shù)的數(shù)組會(huì)花費(fèi)多長時(shí)間：

@fn_timer
def random_sort(n):
    return sorted([random.random() for i in range(n)])
 
 
if __name__ == "__main__":
 random_sort(2000000)

如果你運(yùn)行你的腳本壶栋，你將看到：

Total time running random_sort: 1.41124916077 seconds

2. 使用 timeit 模塊
   另外一個(gè)選項(xiàng)是使用 timeit 模塊，它給你測(cè)量一個(gè)平均時(shí)間普监。
   為了運(yùn)行它贵试，在你的終端執(zhí)行以下命令：
   $ python -m timeit -n 4 -r 5 -s "import timing_functions" "timing_functions.random_sort(2000000)"

timing_functions
是你腳本的名字。
在輸出的最后凯正，你會(huì)看到一些像這樣的東西：
4 loops, best of 5: 2.08 sec per loop

表明了運(yùn)行這個(gè)測(cè)試 4 次（-n 4）毙玻，并在每個(gè)測(cè)試中重復(fù)平均 5 次（-r 5），最佳的結(jié)果是 2.08 秒廊散。
如果你沒有指定測(cè)試或者重復(fù)桑滩，它默認(rèn)是 10 次循環(huán)和 5 次重復(fù)。

3. 使用 Uinx 的 time 命令
   盡管如此允睹，裝飾器和 timeit 模塊都是基于 Python 的运准。這就是為什么 unix time 工具或許有用，因?yàn)樗且粋€(gè)外部的 Python 測(cè)量缭受。
   為了運(yùn)行 time 工具類型：
   $ time -p python timing_functions.py

將給出如下輸出：
Total time running random_sort: 1.3931210041 secondsreal 1.49user 1.40sys 0.08

第一行來自于我們定義的裝飾器看锉，其他三行是：
real 表明了執(zhí)行腳本花費(fèi)的總時(shí)間
User 表明了執(zhí)行腳本花費(fèi)在的 CPU 時(shí)間
Sys 表明了執(zhí)行腳本花費(fèi)在內(nèi)核函數(shù)的時(shí)間

因此黔牵， real time 和 user+sys 相加的不同或許表明了時(shí)間花費(fèi)在等待 I/O 或者是系統(tǒng)在忙于執(zhí)行其他任務(wù)购披。

4. 使用 cProfile 模塊
   如果你想知道花費(fèi)在每個(gè)函數(shù)和方法上的時(shí)間蠢沿，以及它們被調(diào)用了多少次，你可以使用 cProfile 模塊。
   $ python -m cProfile -s cumulative timing_functions.py

現(xiàn)在你將看到你的代碼中每個(gè)函數(shù)被調(diào)用多少次的詳細(xì)描述陆盘，并且它將通過累積花費(fèi)在每個(gè)函數(shù)上面的時(shí)間來排序（感謝 -s cumulative
選項(xiàng)）

cprofile_python.png

你將看到花費(fèi)在運(yùn)行你的腳本的總時(shí)間是比以前高的普筹。這是我們測(cè)量每個(gè)函數(shù)執(zhí)行時(shí)間的損失。

5. 使用 line_profiler 模塊
   line_profiler 給出了在你代碼每一行花費(fèi)的 CPU 時(shí)間隘马。
   這個(gè)模塊首先應(yīng)該被安裝太防，使用命令：
   $ pip install line_profiler

下一步，你需要指定你想使用裝飾器 @profile
評(píng)估哪個(gè)函數(shù)（你不需要把它 import 到你的文件中）酸员。

@profile
def random_sort2(n):
    l = [random.random() for i in range(n)]
    l.sort()
    return l
 
if __name__ == "__main__":
    random_sort2(2000000)

最后蜒车，你可以通過鍵入以下命令取得 random_sort2
函數(shù)逐行的描述：
$ kernprof -l -v timing_functions.py

-l
標(biāo)識(shí)表明了逐行和 -v
標(biāo)識(shí)表明詳細(xì)輸出。使用這個(gè)方法幔嗦，我們看到了數(shù)組結(jié)構(gòu)花費(fèi)了 44% 的計(jì)算時(shí)間酿愧，sort() 方法花費(fèi)了剩余的 56%。

kernprof_line_profiler.png

你也將看到邀泉，由于時(shí)間測(cè)量嬉挡，這個(gè)腳本執(zhí)行花費(fèi)的或許更長。

6. 使用 memory_profiler 模塊
   memory_profiler 模塊被用于在逐行的基礎(chǔ)上汇恤，測(cè)量你代碼的內(nèi)存使用率庞钢。盡管如此，它可能使得你的代碼運(yùn)行的更慢因谎。
   安裝：
   $ pip install memory_profiler

也建議安裝 psutil 包基括，使得 memory_profile
模塊運(yùn)行的更快：
$ pip install psutil

類似 line_profiler
的方式，使用裝飾器 @profile
來標(biāo)記哪個(gè)函數(shù)被跟蹤财岔。下一步风皿，鍵入：
$ python -m memory_profiler timing_functions.py

是的，前面的腳本比之前的 1 或 2 秒需要更長的時(shí)間匠璧。并且揪阶，如果你不安裝 psutil
模塊，你將一直等待結(jié)果患朱。

memory_profiler.png

看上面的輸出，注意內(nèi)存使用率的單位是 MiB炊苫，這代表的是兆字節(jié)（1MiB = 1.05MB）裁厅。

7. 使用 guppy 包
   最后，使用這個(gè)包侨艾，你可以跟蹤每個(gè)類型在你代碼中每個(gè)階段（字符执虹， 元組， 字典 等等）有多少對(duì)象被創(chuàng)建了唠梨。
   安裝：
   $ pip install guppy

下一步袋励，像這樣添加到你的代碼中：

from guppy import hpy
 
 
def random_sort3(n):
    hp = hpy()
    print "Heap at the beginning of the function\n", hp.heap()
    l = [random.random() for i in range(n)]
    l.sort()
    print "Heap at the end of the function\n", hp.heap()
    return l
 
 
if __name__ == "__main__":
    random_sort3(2000000)

并且這樣運(yùn)行你的代碼：
$ python timing_functions.py

你將看到一些像下面的輸出：

Guppy_Python.png

通過配置 heap 在你的代碼的不同地方，你可以在腳本中學(xué)到對(duì)象的創(chuàng)建和銷毀。

如果你想學(xué)習(xí)更多提升你 Python 代碼的知識(shí)茬故，我建議你看看 2014 年 11 月出版的 High Performance Python: Practical Performant Programming for Humans 這本書盖灸。

其實(shí)吧，先用Python寫好腳本是正經(jīng)的磺芭。赁炎。。