python性能测量工具cProfile使用解析
背景：
Python是一种解释性的语言，执行速度相比C、C++等语言十分缓慢；因此我们需要在其它地方上下功夫来提高代码的执行速度。
首先需要对代码进行分析，这个时候则需要用一些工具。
这里介绍cProfile：
全代码分析：
命令行:
cProfile-stottimeyour_program.py
结果如下：
ncallstottimepercallcumtimepercallfilename:lineno(function)
660.0010.00011.8500.180base.py:228(micro_service)
660.0030.00011.8490.180tools.py:557(micro_service)
10560.0010.00011.0730.010connection.py:463(drain_events)
10560.0150.00011.0720.010connection.py:466(blocking_read)
10560.0080.00010.9200.010transport.py:233(read_frame)
31680.0140.00010.9080.003transport.py:370(_read)
316810.8920.00310.8920.003{method'recv'of'_socket.socket'objects}
660.0010.0009.8140.149rpc.py:350(__call__)
660.0010.0008.3950.127rpc.py:329(result)
块分析:
上面属于文件分析,但是我们可能只对部分代码感兴趣，那么只需要在这部分代码的前后加上下面这两段代码即可：
importcProfile cp=cProfile.Profile() cp.enable() YOURCODE cp.disable() cp.print_stats()
结果与全代码分析的类似，但是只包含你感兴趣的部分。
行分析:
行分析需要安装line_profiler：
pipinstallline_profiler
@profile defclass_name() pass
然后在命令行输入：
kernprof-l-vyour_code.py -l逐行分析 -v立即查看结果
示例：
fromcProfileimportProfileasprofile
frompstatsimportStats
def():
p=profile()
p.snapshot_stats()
p.enable()
p.disable()
p.print_stats(2)#按照调用累加总耗时累加排序，即将最耗时的函数最优先
p.dump_stats("call.log")
关于profile和cProfile的更多链接，请点击：
https://docs.python.org/3/library/profile.html?spm=5176.100239.0.0.qa5fU5
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。