最近碰到“程式速度大大降低”的說法，還是直接用資料說明比較有信服力，以及可以找出真正問題所在。

Python自帶了幾個效能分析的模組：profile、cProfile和hotshot，使用方法基本都差不多，無非模組是純Python還是用C寫的。

本文示例基於cProfile模組，先寫點測試程式碼（test1.py）：

import time

def func1():
    sum = 0
    for i in range(1000000):
        sum += i

def func2():
    time.sleep(10)

func1()
func2()

執行cProfile命令如下：

$ python -m cProfile -o test1.out test1.py

這裡是以模組方式直接儲存profile結果，當然也可以在程式中引入cProfile模組。

好了，上面的測試程式大概執行10秒左右，可以看下最終的效能分析資料。

$ python -c "import pstats; p=pstats.Stats('test1.out'); p.print_stats()"

Wed Aug 28 22:19:45 2013    test1.out

         6 function calls in 10.163 seconds

   Random listing order was used

   ncalls  tottime  percall  cumtime  percall filename:lineno(
 
function)
        1    0.024    0.024   10.163   10.163 test1.py:1(<module>)
        1   10.001   10.001   10.001   10.001 {time.sleep}
        1    0.092    0.092    0.138    0.138 test1.py:3(func1)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.000    0.000   10.001   10.001 test1.py:8
 
(func2)
        1    0.046    0.046    0.046    0.046 {range}

分析的資料還很清晰和簡單的吧，大概能看出幾列資料的意思，重點關注下時間和函式呼叫次數，再來排個序：

$ python -c "import pstats; p=pstats.Stats('test1.out'); p.sort_stats('time').print_stats()"

Wed Aug 28 22:19:45 2013    test1.out

         6 function calls in 10.163 seconds

   Ordered by: internal time

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1   10.001   10.001   10.001   10.001 {time.sleep}
        1    0.092    0.092    0.138    0.138 test1.py:3(func1)
        1    0.046    0.046    0.046    0.046 {range}
        1    0.024    0.024   10.163   10.163 test1.py:1(<module>)
        1    0.000    0.000   10.001   10.001 test1.py:8(func2)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

可以看出測試程式中最耗費時間點是：time.sleep和range。

sort_stats支援一下引數：

calls, cumulative, file, line, module, name, nfl, pcalls, stdname, time

pstats模組還支援互動式：

$ python -m pstats test1.out
Welcome to the profile statistics browser.
test1.out% ### help 或者輸入字母按下tab，可以補全的
test1.out% stats 10

這裡似乎告一段落了，只是輸出式的效能分析似乎有點乏味，開源世界這麼美好，肯定會有些更美觀和帥氣的方法吧。

一步步來，先安裝依賴項（請選擇對應系統平臺）：

PS：Ubuntu系統請注意請注意，pstats模組因為某些原因不在Python包中，需要單獨安裝：python-profiler包

裝好依賴後，如此這番：

$ ./gprof2dot.py -f pstats test1.out | dot -Tpng -o test1.png

看看test1.png，一切都瞭然於心了吧。。。

END