Python腳本分析CPU使用情況

在這篇文章中，我将讨論一個工具，用以分析Python中CPU使用情況。CPU分析是通過分析CPU執行代碼的方式來測量代碼的性能，以此找到代碼中的不妥之處，然後處理它們。

接下來我們将看看如何跟蹤Python腳本使用時CPU使用情況，重點關注以下幾個方面：

1、cProfile

2、line_profiler

3、pprofile

4、vprof

測量CPU使用率

對于這篇文章，我将主要使用與記憶體分析中使用腳本相同的腳本，具體如下：

另外，請記住，在PyPy2中，您需要使用與之配合的pip版本：

并且其他依賴項也将被安裝：

cProfile

在讨論CPU分析時，最常用的工具之一是cProfile，主要是因為它内置在CPython2和PyPy2中。這是一個确定性的分析器，意味着在運作程式時會收集一組統計資料，例如我們代碼的各個部分的執行次數或執行時間。此外，cProfile在系統上的開銷比其他内置的分析器（配置檔案）要低。

CPython2的用法很簡單：

如果您使用PyPy2：

其輸出如下：

即使使用這個文本輸出，很容易看到我們的腳本多次調用了list.append方法。

如果我們使用gprof2dot，我們可以以圖形的方式看到cProfile輸出。要使用它，我們必須首先安裝graphviz，之後是一些依賴包，最後在Ubuntu上使用如下指令：

再次運作腳本：

我們得到以下output.png檔案：

這樣更容易看到一切。我們來仔細看看它的輸出。您可以看到腳本中的函數調用如下：

1、第一行：Python檔案名，行号和方法名稱

2、第二行：代碼塊占用全部時間的百分比

3、第三行：括号中，方法本身占全部時間的百分比

4、第四行：調用函數的次數

例如，在頂部的第三個紅色方塊中，方法primes占用了98.28％的時間，其中65.44％的内容在其中進行，調用了40次。其餘的時間花在Python中的list.append（22.33％）和range（11.51％）中。

作為一個簡單的腳本，我們隻需要重寫我們的腳本，具體的如下所示：

如果我們使用CPython2測量我們腳本的時間，

還有PyPy2：

我們通過使用PyPy2的CPython2和3.1X獲得了不錯的效果，下面是cProfile的調用流程圖：

您還可以以程式設計方式使用cProfile，例如：

這在某些情況下很有用，例如多程序性能測量

line_profiler

此分析器在行級提供關于工作負載的資訊。它使用Cython在C中實作，并将其與cProfile進行比較時發現其具有較小的開銷。

源代碼可以在這裡找到，也可以在這裡找到PyPI頁面。與cProfile相比，它具有一樣的開銷，不過卻要花費12倍的時間來擷取配置檔案。

要使用它，您需要先通過pip添加它：pip install pip install Cython ipython == 5.4.1 line_profiler（CPython2）。這個分析器的一個主要缺點是它不支援PyPy。

就像使用memory_profiler一樣，您需要在要分析的函數中添加一個裝飾器。在我們的例子中，您需要在03.primes-v1.py中定義我們的primes函數之前添加@profile。然後調用它：

你将得到如下輸出：

我們看到，重複調用list.append的兩個循環花了最多的時間。

pprofile

根據作者說明，pprofile是一個“線程測量和統計的純python分析器”。

它受到line_profiler的啟發，修複了很多缺點，但是由于它完全用Python編寫，是以它也可以與PyPy成功使用。與cProfile相比，使用CPython時的分析時間要多28倍，而使用PyPy時，分析時間要多10倍，而且細節水準更加細化。

我們也支援PyPy！除此之外，它支援剖析線程，這在各種情況下可能會很友善。

要使用它，您需要先通過pip添加它：pip install pprofile（CPython2）/ pypy -m pip install pprofile（PyPy），然後調用它：

輸出與我們以前看到的不同，我們得到如下結果：

我們現在可以更詳細地看到一切。讓我們來看看輸出。您可以獲得腳本的整個輸出，并且在每行之前，您可以看到對其進行的調用次數，運作時間（秒），每次調用的時間和全局時間的百分比，pprofile為我們的輸出添加了額外的行（如第44和50行，以（call）開頭）與累積名額。

再次，我們看到，重複調用list.append的兩個循環花了我們腳本中最多的時間。

vprof

vprof是一個Python分析器，為各種Python程式特性（如運作時間和記憶體使用）提供豐富的互動式可視化。它是一個基于Node.JS的圖形化的顯示在網頁中的結果。

使用它，您可以看到與Python腳本相關的以下一個或全部：

1、CPU使用圖

2、代碼分析

3、記憶體圖

4、代碼熱圖

要使用它，您需要先通過pip添加它：pip install vprof（CPython2）/ pypy -m pip install vprof（PyPy），然後調用它：

在CPython2上，顯示代碼散熱圖（第一個調用如下）和代碼分析（下面的第二個調用）：

在PyPy上，顯示代碼散熱圖（第一個調用如下）和代碼分析（下面的第二個調用）：

在每種情況下，您将看到代碼散點圖的以下内容

以及代碼分析的以下内容。

結果以圖形方式看到，我們可以懸停滑鼠或單擊每行以擷取更多資訊。再次，我們看到，重複調用list.append的兩個循環花了我們腳本中最多的時間。

本文轉自 小強測試幫 51CTO部落格，原文連結：http://blog.51cto.com/xqtesting/2046946，如需轉載請自行聯系原作者