Question

读完本章之后你将能够回答下列问题

如何找到代码中速度和RAM的瓶颈？

如何分析CPU和内存使用情况？

我应该分析到什么深度？

如何分析一个长期运行的应用程序？

在CPython台面下发生了什么？

如何在调整性能的同时确保功能的正确？

性能分析帮助我们找到瓶颈，让我们在性能调优方面做到事半功倍。性能调优包括在速度上巨大的提升以及减少资源的占用，也就是说让你的代码能够跑得“足够快”以及“足够瘦”。性能分析能够让你用最小的代价做出最实用的决定。

任何可以测量的资源都可以被分析（不仅是CPU！）。我们在本章将分析CPU的时间和内存的占用。你也可以将同样的技术用于分析网络带宽和磁盘I/O。

如果一个程序跑得太慢或占用了太多RAM，那么你一定希望把有问题的代码修正。当然，你完全可以跳过性能分析，修正你认为可能有问题的地方——但是小心，你很有可能“修正了”错误的地方。比起依靠你的直觉，更有效率的做法是先进行性能分析，做出一个假设，然后再改动你的代码结构。

人有时候懒点比较好。先进行性能分析让你能够迅速定位需要被解决的瓶颈，然后你就可以用最小的改动获得你需要的性能提升。如果你回避性能分析直接进行优化，那么你很有可能最终付出了更多的努力。优化应该总是基于性能分析的结果。