@tony-yin 2017-10-10T11:12:50.000000Z 字数 3510 阅读 494

Python Profilers

性能优化

OSD启用过程耗时较长，需要进行性能优化。期间通过python profilers对代码进行性能分析和数据统计，有坑，有收获，总而言之，这是一个不错的工具

Profilers简介

python profilers内置的主要有三种cprofile, profile和hotshot,cprofile是基于profile之上做的扩展，性能要比后者好很多，所以我用的就是cprofile

更详细的介绍可以查看官网，python profilers的好处在于不用看教程，只要看着官网简短的概述，就能掌握其使用方法

Cprofile快速使用

官网例子

代码

import cProfile
import re
cProfile.run('re.compile("foo|bar")')

分析结果

197 function calls (192 primitive calls) in 0.002 seconds
Ordered by: standard name
ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1    0.000    0.000    0.001    0.001 <string>:1(<module>)
     1    0.000    0.000    0.001    0.001 re.py:212(compile)
     1    0.000    0.000    0.001    0.001 re.py:268(_compile)
     1    0.000    0.000    0.000    0.000 sre_compile.py:172(_compile_charset)
     1    0.000    0.000    0.000    0.000 sre_compile.py:201(_optimize_charset)
     4    0.000    0.000    0.000    0.000 sre_compile.py:25(_identityfunction)
   3/1    0.000    0.000    0.000    0.000 sre_compile.py:33(_compile)

图解

Cprofile深入

上面的基本用法可以在脚本中测试某个语句或者函数，然后打印到控制台。cprofile也可以将结果输出到文件中，这是比较常见的做法，因为打印到控制台，第一不能保存结果，第二如果数据量多没法全部浏览，并且影响阅读效果。而放在文件中还可以对结果进行按需排序、筛选等操作

输出文件

参数方式

import cProfile
import re
cProfile.run('re.compile("foo|bar")', 'restats')

CLI方式

python -m cProfile [-o output_file] [-s sort_order] myscript.py

Cprofile优雅使用

上述方式可以使得cprofile在一些测试环境中受用，但是在一些复杂的环境中不能很好的work。由于cprofile是根据python在每个事件中存放的hook进行性能分析，所以在cprofile.run()的时候，要保证他就是最上层，他是调用的源头。

但是实际场景中，我们经常会对一些API中的某个方法进行性能分析，如果在被调用处使用cprofile，会出现变量或者模块undefined的现象，模块不能识别还可以在run方法中引入，然后通过分号分隔，例如cprofile.run(import re, re.compile("foo|bar"))，具体可以参考这篇文章：Python Profile 工具性能分析

变量无法识别更是让人头疼，所以为了达到测试效果，你会不得不修改一些并不是很少量的源代码，并且测一个方法就要搞一次很麻烦。还有一些多进程或者跨机器的场景导致代码异步执行，这样cprofile更不能达到用户的需求

还好我们可以通过python装饰器的机制来做，这样既不用改动源代码，也可以很方便的切换函数分析

装饰器接口

这里要注意设置全局变量

export PROFILING=y

接口定义：

import cProfile
import pstats
import os
# 性能分析装饰器定义
def do_cprofile(filename):
    """
    Decorator for function profiling.
    """
    def wrapper(func):
        def profiled_func(*args, **kwargs):
            # Flag for do profiling or not.
            DO_PROF = os.getenv("PROFILING")
            if DO_PROF:
                profile = cProfile.Profile()
                profile.enable()
                result = func(*args, **kwargs)
                profile.disable()
                # Sort stat by internal time.
                sortby = "tottime"
                ps = pstats.Stats(profile).sort_stats(sortby)
                ps.dump_stats(filename)
            else:
                result = func(*args, **kwargs)
            return result
        return profiled_func
    return wrapper

分析使用

这时候只需要在调用的函数上面加一个装饰器即可

@do_cprofile('filename')
def run():
    print 'hello world'

pstats分析工具

pstats可以根据cprofile生成的文件进行排序、筛选等处理，呈现更主要的结果

import pstats
# 创建Stats对象
p = pstats.Stats("result.out")
# strip_dirs(): 去掉无关的路径信息
# sort_stats(): 排序，支持的方式和上述的一致
# print_stats(): 打印分析结果，可以指定打印前几行
# 和直接运行cProfile.run("test()")的结果是一样的
p.strip_dirs().sort_stats(-1).print_stats()
# 按照函数名排序，只打印前3行函数的信息, 参数还可为小数,表示前百分之几的函数信息 
p.strip_dirs().sort_stats("name").print_stats(3)
# 按照运行时间和函数名进行排序
p.strip_dirs().sort_stats("cumulative", "name").print_stats(0.5)
# 如果想知道有哪些函数调用了sum_num
p.print_callers(0.5, "sum_num")
# 查看test()函数中调用了哪些函数
p.print_callees("test")

上述代码摘自：使用cProfile分析Python程序性能，原文还提供了pstats命令行交互工具方式

图形可视化

上面的命令行界面的确是有点反人类，不易一下子清晰地分析性能瓶颈，有很多图形可视化工具可以帮助我们生成简洁明了的图片

工具有：

gprof2dot
vprof
RunSnakeRun
KCacheGrind & pyprof2calltree

最终我选择了gprof2dot，比较符合我的口味

安装

我的机器是ubuntu，其他类型机器找对应方式，具体参考：Github gprof2dot

apt-get install python graphviz
pip install gprof2dot

注意：

如果pip安装软件包报错：'Cannot fetch index base URL http://pypi.python.org/simple/'

解决办法

1.windows下创建/%user%/pip/pop.ini，并添加以下内容。
[global]  
index-url=http://pypi.douban.com/simple/
2.linux创建文件~/.pip/pip.conf，并添加一下内容。
[global]  
index-url=http://pypi.douban.com/simple/
3.再次使用pip安装相应的包即可。

使用

根据cpofile输出的文件生成图片，这边输出的文件名为osd.out，生成的图片名为osd.png

gprof2dot -f pstats osd.out | dot -Tpng -o osd.png

具体参考这篇文章：Python优化第一步: 性能分析实践，写的很好，也很具体

效果图

这是我进行性能分析产生的两张图

Picture 1：

Picture 2：

继续深入

pstats深入了解
gprof2dot深入了解
其他的可视化工具

不过最终的目的都是通过性能分析找到性能瓶颈，然后进行优化，适合自己的就好