Python Cprofile总时间

Question

我正在对我的代码进行一些分析，并试图尽可能地优化它。但是我注意到，特定功能的总累积时间有时不会累加。因此，我不确定哪种功能是罪魁祸首。

为了简化这一点，我在下面创建了一个简单的示例 - 它实际上没有做任何事情。

L = [1,2,3,4,5]


class MyObj:
    __slots__ = "a", "b"

    def __init__(self, a="", b=""):
        self.a = a
        self.b = b


def get_top():
    return L[0]


def revert(x):
    return -x


def check():
    if True:
        return True
    else:
        return False


def main(x):
    if check():
        p = revert(x)
        q = get_top()
        o = MyObj(a=p, b=q)
    else:
        o = MyObj()


for x in range(10_000_000):
    main(x)

而且，如果我使用pypy3执行此操作（相同的情况在python3中确实发生了）代码：

python -m cProfile test.py

我得到类似的东西：

         50000005 function calls in 1.895 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.522    0.522    1.895    1.895 test0.py:1(<module>)
 10000000    0.180    0.000    0.180    0.000 test0.py:12(get_top)
 10000000    0.153    0.000    0.153    0.000 test0.py:16(revert)
 10000000    0.140    0.000    0.140    0.000 test0.py:20(check)
 10000000    0.746    0.000    1.374    0.000 test0.py:27(main)
        1    0.000    0.000    0.000    0.000 test0.py:4(MyObj)
 10000000    0.156    0.000    0.156    0.000 test0.py:7(__init__)
        1    0.000    0.000    0.000    0.000 {built-in function __build_class__}
        1    0.000    0.000    1.895    1.895 {built-in function exec}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

如您所见，主花费了1.374 cumtime和0.746搅拌器，但是当添加调用的函数时，它将小于这个数字。这总是不会加起来吗？只是想知道我如何分辨要花费一段时间的功能是否准确 - 假设函数就像由多个函数组成的main（）。

Answer 1

有一些提示pypy 在这里。通常，像Cprofile这样的确定性剖析师会破坏JIT，因此不建议与PYPY进行分析。统计方法是，在每个X毫秒中堆叠程序堆叠程序的过程中，统计方法更好。使用JIT时，分析和优化是严重的问题，因为通常不会加起来：解释器本身中的开销很难衡量。