python 性能调试工具(line_profiler)使用
2017-09-03 21:06
417 查看
python性能调试过程中最突出的问题就是耗时,性能测试工具有很多,像profiler,cprofiler等等,都是只能返回函数整体的耗时,而line_profiler就能够很好解决这个问题(大家可以试试就知道了)。怎么使用这个工具呢?网上大部分都是说在所需要测的函数前面加一个@profile,如文档所说。但是加了@profile后函数无法直接运行,只能优化的时候加上,调试的时候又得去掉。文章中提到了这个问题的解决办法,个人觉得还是有点麻烦,不太能理解这是为什么。我在stackoverflow上看到了另一种关于line_profile的使用方法,简单而且实用。这是使用案例:
from line_profiler import LineProfiler import random def do_stuff(numbers): s = sum(numbers) l = [numbers[i]/43 for i in range(len(numbers))] m = ['hello'+str(numbers[i]) for i in range(len(numbers))] numbers = [random.randint(1,100) for i in range(1000)] lp = LineProfiler() lp_wrapper = lp(do_stuff) lp_wrapper(numbers) lp.print_stats()输出结果:
Timer unit: 1e-06 s Total time: 0.000649 s File: <ipython-input-2-2e060b054fea> Function: do_stuff at line 4 Line # Hits Time Per Hit % Time Line Contents ============================================================== 4 def do_stuff(numbers): 5 1 10 10.0 1.5 s = sum(numbers) 6 1 186 186.0 28.7 l = [numbers[i]/43 for i in range(len(numbers))] 7 1 453 453.0 69.8 m = ['hello'+str(numbers[i]) for i in range(len(numbers))]这种方法就比较好用了,如果你想在其他文件中调用这个包含line_profiler函数测试的文件,又不想把这个信息显示出来,使用
if __name__ == '__main__':把需要测试的函数放到这个下面,这样就能完美解决上述问题。对于函数内部调用函数的情况:
from line_profiler import LineProfiler import random def do_other_stuff(numbers): s = sum(numbers) def do_stuff(numbers): do_other_stuff(numbers) l = [numbers[i]/43 for i in range(len(numbers))] m = ['hello'+str(numbers[i]) for i in range(len(numbers))] numbers = [random.randint(1,100) for i in range(1000)] lp = LineProfiler() lp_wrapper = lp(do_stuff) lp_wrapper(numbers) lp.print_stats()这样做的话,只能显示子函数的总时间。输出如下:
Timer unit: 1e-06 s Total time: 0.000773 s File: <ipython-input-3-ec0394d0a501> Function: do_stuff at line 7 Line # Hits Time Per Hit % Time Line Contents ============================================================== 7 def do_stuff(numbers): 8 1 11 11.0 1.4 do_other_stuff(numbers) 9 1 236 236.0 30.5 l = [numbers[i]/43 for i in range(len(numbers))] 10 1 526 526.0 68.0 m = ['hello'+str(numbers[i]) for i in range(len(numbers))]为了能够同时显示函数每行所用时间和调用函数每行所用时间,加入add_function就能够解决。
from line_profiler import LineProfilerimport randomdef do_other_stuff(numbers):s = sum(numbers)def do_stuff(numbers):do_other_stuff(numbers)l = [numbers[i]/43 for i in range(len(numbers))]m = ['hello'+str(numbers[i]) for i in range(len(numbers))]numbers = [random.randint(1,100) for i in range(1000)]lp = LineProfiler()lp.add_function(do_other_stuff) # add additional function to profilelp_wrapper = lp(do_stuff)lp_wrapper(numbers)lp.print_stats()
Timer unit: 1e-06 sTotal time: 9e-06 sFile: <ipython-input-4-dae73707787c>Function: do_other_stuff at line 4Line # Hits Time Per Hit % Time Line Contents==============================================================4 def do_other_stuff(numbers):5 1 9 9.0 100.0 s = sum(numbers)Total time: 0.000694 sFile: <ipython-input-4-dae73707787c>Function: do_stuff at line 7Line # Hits Time Per Hit % Time Line Contents==============================================================7 def do_stuff(numbers):8 1 12 12.0 1.7 do_other_stuff(numbers)9 1 208 208.0 30.0 l = [numbers[i]/43 for i in range(len(numbers))]10 1 474 474.0 68.3 m = ['hello'+str(numbers[i]) for i in range(len(numbers))]结束
相关文章推荐
- python的性能分析工具line_profiler
- Python的7种性能测试工具:timeit、profile、cProfile、line_profiler、memory_profiler、PyCharm图形化性能测试工具、objgraph
- Python,django:用line_profiler工具分析代码的性能(一)
- PHP 安装包 VC9 VC6 区别及Thread Safe和Non Thread Safe版本---PHP性能调试工具xdebug的简单使用
- java 性能调试工具jprofiler安装和使用
- MiniProfiler 网站性能测试工具使用
- 使用MiniProfiler调试ASP.NET MVC网站性能
- 调试时使用的工具:Glimpse插件和MvcMiniProfiler插件
- 使用MiniProfiler调试ASP.NET MVC网站性能
- NET程序内存分析工具CLRProfiler的使用(性能测试)
- [Sql2005笔记] Sql2005性能工具(SQL Server Profiler和数据库引擎优化顾问)使用方法详解
- app性能优化之Time Profiler工具的使用
- Android性能调试工具使用
- Android性能调试工具的使用
- 【转】python 调试工具 pdb的使用
- Sql2005性能工具(SQL Server Profiler和数据库引擎优化顾问)使用方法详解
- IE调试网页之七:使用探查器工具分析代码性能 (Windows)
- Python中cProfile性能分析工具的使用
- 使用性能优化工具 MVC Mini Profiler (MVC3+EF4.1)
- SQL Server 性能工具(SQL Server Profiler和数据库引擎优化顾问)使用方法详解