Sage中的剖析¶
本页列出了Sage中可用来测量和分析一段代码性能的几种方法。有关分析的更多常规信息，请参见 :wikipedia:`Profiling_(computer_programming)` 。
需要多长时间？时间百分比和时间百分比¶
IPython的两个魔术 %time 和 %timeit 测量运行命令所需的时间：：
sage: %time p=random_prime(2**300)
CPU times: user 152 ms, sys: 0 ns, total: 152 ms
Wall time: 150 ms
sage: %timeit p=random_prime(2**300)
10 loops, best of 3: 62.2 ms per loop
请注意，虽然 %time 只运行该命令一次， %timeit 尝试在几次运行中返回更有意义的值。
有关详细信息，请参阅 %timeit? or this page 。
请注意，Sage提供了一个 timeit 功能，该功能也在Sage笔记本中运行。
Python级函数调用：%prun¶
使用 %prun ，您可以获得计算中涉及的所有Python函数的列表，以及每个函数所花费的时间：
sage: %prun _=random_prime(2**500)
468 function calls in 0.439 seconds
Ordered by: internal time
ncalls tottime percall cumtime percall filename:lineno(function)
32 0.438 0.014 0.438 0.014 {method 'is_prime' of 'sage.rings.integer.Integer' objects}
32 0.001 0.000 0.439 0.014 arith.py:407(is_prime)
32 0.000 0.000 0.001 0.000 random.py:175(randrange)
32 0.000 0.000 0.000 0.000 random.py:244(_randbelow)
...
最耗时的函数应该出现在顶部。不同列的说明如下 available here 。
备注
您可能希望对此列表进行不同的排序，例如：使用 %prun -s cumulative 用于减少累积时间。
或者，您可以将此数据“保存”到 Stats 进一步检查的对象：：
sage: %prun -r random_prime(2**500)
sage: stats_object = _
sage: stats_object.total_calls
2547
有关详细信息，请参阅 %prun? or this page 。
Visualize the statistics: 您可以使用以下命令获得更图形化的输出 RunSnake 和Sage的功能 runsnake() **
sage: runsnake('random_prime(2**500)')
Python级别的逐行分析：%lprun¶
使用 line_profiler 以及它的 %lprun 神奇，您可以找出一个(或多个)函数的哪些行是最耗时的。语法如下：
%lprun -f function1 -f function2 code_to_run
这将显示逐行分析 function1 和 function2 什么时候 code_to_run 已执行：：
sage: %lprun -f random_prime random_prime(2**500)
Line # Hits Time Per Hit % Time Line Contents
==============================================================
1193 def random_prime(n, proof=None, lbound=2):
... ...
1251 # since we don't want current_randstate to get
1252 # pulled when you say "from sage.arith.all import *".
1253 1 11 11.0 0.0 from sage.misc.randstate import current_randstate
1254 1 7 7.0 0.0 from sage.structure.proof.proof import get_flag
1255 1 6 6.0 0.0 proof = get_flag(proof, "arithmetic")
1256 1 17 17.0 0.0 n = ZZ(n)
...
为了安装 line_profiler 您必须首先运行以下命令：
[user@localhost ~] sage -pip install "line_profiler"
C级函数调用：%crun¶
使用 %crun ，您可以获得计算中涉及的所有C函数的列表，以及在每个函数上花费的时间。你将需要有 the Google performance analysis tools 安装在您的系统上：
sage: %crun p=random_prime(2**500)
PROFILE: interrupts/evictions/bytes = 45/0/18344
Total: 45 samples
0 0.0% 0.0% 35 77.8% PyEval_EvalCode
0 0.0% 0.0% 35 77.8% PyEval_EvalCodeEx
0 0.0% 0.0% 35 77.8% PyEval_EvalFrameEx
0 0.0% 0.0% 35 77.8% PyObject_Call
0 0.0% 0.0% 35 77.8% PyRun_StringFlags
0 0.0% 0.0% 35 77.8% __Pyx_PyObject_Call.constprop.73
...
有关以下内容的更多信息 %crun ，见 sage.misc.gperftools 。
C级逐行分析：PERF(仅限Linux)¶
如果您的代码是用C语言或Cython语言编写的，您可以逐行找出使用最昂贵的代码 perf (包含在Ubuntu包中 linux-tools )。
使用它最简单的方法是在Sage中运行一些(非常长的)计算，然后在控制台中键入
[user@localhost ~] sudo perf top
选择您感兴趣的条目，然后按 Enter 。这个 annotate 命令将向您显示：
CPU指令
源代码
关联的时间
│ * cdef unsigned long word = (<unsigned long>1) << (v & self.radix_mod_mask)
│ * return (self.edges[place] & word) >> (v & self.radix_mod_mask) # <<<<<<<<<<<<<<
│ *
│ * cpdef bint has_arc(self, int u, int v) except -1:
│ */
│ __pyx_r = (((__pyx_v_self->edges[__pyx_v_place]) & __pyx_v_word) >> (__pyx_v_v & __pyx_v_self->radix_mod_mask));
10.88 │ movslq %esi,%rsi
6.52 │ and (%rdi,%rsi,8),%rax
12.84 │ shr %cl,%rax
备注
按下
s切换源代码视图按下
H循环浏览最热门的指令按下
h寻求帮助
或者，如果您没有 sudo 权限，您可以将特定进程的统计信息记录到文件中 perf.data 从它的PID。然后，使用以下命令可视化结果 perf report ：
[user@localhost ~] perf record -p PID
[user@localhost ~] perf report --vmlinux vmlinux