第27章-代码分析¶
代码分析是一种在代码中查找瓶颈的尝试。分析是为了找出代码中最长的部分。一旦你知道了这一点，你就可以看看你的代码中的那些部分，并试图找到优化它的方法。python内置三个配置文件： cProfile ， 轮廓 和 热点 .根据python文档，hotshot“不再维护，可能会在将来的python版本中删除”。这个 轮廓 模块是一个纯Python模块，但是会给概要程序增加很多开销。因此，我们将专注于 cProfile ，它有一个模拟配置文件模块的接口。
用cprofile分析代码¶
用cprofile分析代码非常简单。您只需导入模块并调用它的 run 功能。让我们来看一个简单的例子：
>>> import hashlib
>>> import cProfile
>>> cProfile.run("hashlib.md5(b'abcdefghijkl').digest()")
4 function calls in 0.000 CPU seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.000 0.000 <string>:1(<module>)
1 0.000 0.000 0.000 0.000 {_hashlib.openssl_md5}
1 0.000 0.000 0.000 0.000 {method 'digest' of '_hashlib.HASH' objects}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
这里我们进口 hashlib 模块化并使用cprofile分析MD5哈希的创建。第一行显示有4个函数调用。下一行告诉我们结果是如何排序的。根据文档，标准名称是指最右边的列。这里有许多列。
NCALL 是拨打的电话数。
总计时间 是在给定函数中花费的总时间。
佩雷尔 指tottime除以ncall的商。
累积时间 是在此子函数和所有子函数中花费的累计时间。它对于递归函数甚至是精确的！
第二 佩雷尔 column是cumtime除以基元调用的商
文件名：lineno（函数） 提供每个函数的各自数据
原始调用不是通过递归诱导的。
这不是一个很有趣的例子，因为没有明显的瓶颈。让我们创建一段带有一些内置瓶颈的代码，看看分析器是否检测到它们。
import time
def fast():
""""""
print("I run fast!")
def slow():
""""""
time.sleep(3)
print("I run slow!")
def medium():
""""""
time.sleep(0.5)
print("I run a little slowly...")
def main():
""""""
fast()
slow()
medium()
if __name__ == '__main__':
main()
在这个例子中，我们创建了四个函数。前三个以不同的速率运行。这个 fast 功能将以正常速度运行；该 中等的 函数运行大约需要半秒钟，并且 slow 功能运行大约需要3秒钟。这个 main 函数调用其他三个。现在让我们来运行这个愚蠢的小程序的cprofile：
>>> import cProfile
>>> import ptest
>>> cProfile.run('ptest.main()')
I run fast!
I run slow!
I run a little slowly...
8 function calls in 3.500 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 3.500 3.500 <string>:1(<module>)
1 0.000 0.000 0.500 0.500 ptest.py:15(medium)
1 0.000 0.000 3.500 3.500 ptest.py:21(main)
1 0.000 0.000 0.000 0.000 ptest.py:4(fast)
1 0.000 0.000 3.000 3.000 ptest.py:9(slow)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
2 3.499 1.750 3.499 1.750 {time.sleep}
这一次我们看到程序运行花费了3.5秒。如果检查结果，您将看到CProfile已识别出 slow 运行时间为3秒。这是继 main 功能。通常，当您发现这样的瓶颈时，您会尝试寻找一种更快的方法来执行代码，或者决定运行时是可接受的。在这个例子中，我们知道加速函数的最佳方法是删除 time.sleep 打电话或者至少缩短睡眠时间。
您也可以在命令行上调用cprofile，而不是在解释器中使用它。有一种方法可以做到：
python -m cProfile ptest.py
这将对脚本运行cprofile，方式与我们之前所做的大致相同。但是如果您想保存分析器的输出呢？嗯，用CProfile很容易！你所要做的就是通过 -o 命令，后跟输出文件的名称（或路径）。下面是一个例子：
python -m cProfile -o output.txt ptest.py
不幸的是，它输出的文件不完全是人类可读的。如果您想读取该文件，那么需要使用python的 公共电话交换机 模块。您可以使用pstats以各种方式格式化输出。下面是一些代码，演示了如何获得与我们目前看到的类似的输出：
>>> import pstats
>>> p = pstats.Stats("output.txt")
>>> p.strip_dirs().sort_stats(-1).print_stats()
Thu Mar 20 18:32:16 2014 output.txt
8 function calls in 3.501 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 3.501 3.501 ptest.py:1(<module>)
1 0.001 0.001 0.500 0.500 ptest.py:15(medium)
1 0.000 0.000 3.501 3.501 ptest.py:21(main)
1 0.001 0.001 0.001 0.001 ptest.py:4(fast)
1 0.001 0.001 3.000 3.000 ptest.py:9(slow)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
2 3.499 1.750 3.499 1.750 {time.sleep}
<pstats.Stats instance at 0x017C9030>
这个 strip_dirs 调用将从输出中删除到模块的所有路径，而 sort_stats call执行我们以前看到的排序。CProfile文档中有许多非常有趣的例子，展示了使用pstats模块提取信息的不同方法。
总结¶
此时，您应该能够使用 cProfile 模块来帮助您诊断代码为什么这么慢。您可能还想看看python的 timeit 模块。如果您不想处理与分析相关的复杂性，它允许您对代码的小部分进行计时。还有其他几个适合分析的第三方模块，如Line_Profiler和Memory_Profiler项目。