知识卡片
剖析定位调用成本分布
性能剖析运行目标程序并按函数整理调用次数和耗时,用来发现实际成本集中在哪里;这和只测一段代码总耗时承担不同职责。先定位瓶颈,再对候选替代写法计时,避免靠其他语言经验猜测Python程序的热点。
原书给profile.run(“code”)和python -m profile main.py args形式,以及保存统计后用pstats分析的途径;这些入口会真的执行给定代码,不能把它们当无副作用的静态查询。书中以cProfile说明相近接口下较低开销的实现,具体模块状态应按目标Python版本核对。
剖析本身增加开销,结果需要与测量边界和输入一起解释,不能直接拿它当不同语言/实现之间公平基准,也不能只凭调用次数就定优化顺序。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
每个函数的调用次数、每个函数所花时间等。 profile模块可以作为一个脚本运行或导入,并且可以以多种方式进行定制。例如,可以把统计资料保存到文件中,稍后使用pstats模块进行分析。要交互地进行配置,导入profile模块并调用profile.run('code'),把想要配置的代码作为一个字符串传入(例如,对函数的一次调用,或者对整个文件的导入)。要从一
参考来源
- 位置:《Python学习手册(原书第4版)》第35章《大型项目的开发工具》(spine1032;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part1003.html;u787-ch35-008)。
- 结论依据:787“配置工具”实际为profiling:正文给时钟/剖析区分、函数次数/耗时、profile.run/命令行及pstats/cProfile;以官方Python3.11 profile手册核对书中入口和剖析/基准边界,未运行任何剖析。
- 原始内容:每个函数的调用次数、每个函数所花时间等。 profile模块可以作为一个脚本运行或导入,并且可以以多种方式进行定制。例如,可以把统计资料保存到文件中,稍后使用pstats模块进行分析。要交互地进行配置,导入profile模块并调用profile.run('code'),把想要配置的代码作为一个字符串传入(例如,对函数的一次调用,或者对整个文件的导入)。要从一