- 内容提要
- 前言
- 作者简介
- 封面简介
- 第1章 理解高性能 Python
- 第2章 通过性能分析找到瓶颈
- 2.1 高效地分析性能
- 2.2 Julia 集合的介绍
- 2.3 计算完整的 Julia 集合
- 2.4 计时的简单方法——打印和修饰
- 2.5 用 UNIX 的 time 命令进行简单的计时
- 2.6 使用 cProfile 模块
- 2.7 用 runsnakerun 对 cProfile 的输出进行可视化
- 2.8 用 line_profiler 进行逐行分析
- 2.9 用 memory_profiler 诊断内存的用量
- 2.10 用 heapy 调查堆上的对象
- 2.11 用 dowser 实时画出变量的实例
- 2.12 用 dis 模块检查 CPython 字节码
- 2.13 在优化期间进行单元测试保持代码的正确性
- 2.14 确保性能分析成功的策略
- 2.15 小结
- 第3章 列表和元组
- 第4章 字典和集合
- 第5章 迭代器和生成器
- 第6章 矩阵和矢量计算
- 第7章 编译成 C
- 第8章 并发
- 第9章 multiprocessing 模块
- 第10章 集群和工作队列
- 第11章 使用更少的 RAM
- 第12章 现场教训
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
2.7 用 runsnakerun 对 cProfile 的输出进行可视化
runsnake是一个可视化工具,用于显示cProfile创建的统计文件——你只需要看它生成的图像就可以快速意识到哪个函数开销最大。
运行runsnake可以让你从上层了解一个cProfile统计文件的内容,特别是当你在调查一个陌生而又庞大的代码库时。它会让你感觉到应该将注意力集中在哪些区域。它可能会揭示一些你根本就没有意识到会有问题的区域,帮助你定位出潜在的快速优化机会。
你也可以在组内讨论代码性能时使用它,因为它的结果很容易用来讨论。
输入命令pip install runsnake来安装runsnake。
注意它的安装需要wxPython,而在一个virtualenv下安装它会非常痛苦。仅仅为了分析一个统计文件,Ian不止一次地选择宁可在全局环境下安装它,也不愿意尝试让它在virtualenv下跑起来。
图2-5显示了之前cProfile的数据。图形化的显示可以帮助我们更快地了解calculate_z_serial_purepython花费了最多的时间,且只有很小一部分执行时间是在调用其他函数(abs是其中唯一一个比较花时间的)。你可以看到你不需要花时间去调查设置阶段,因为大多数执行时间是在计算阶段。
在runsnake中点击函数可以显示出复杂的嵌套调用。在你跟组员分析性能时,这一功能是无价之宝。
图2-5 用runsnakerun展示cProfile的分析结果
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论