高效程式設計之 cProfile 效能分析

寫**經常會聽說一些名詞，比如 效能分析、**調優。

cprofile 是 python **調優的一種工具，它能夠統計在整個**執行過程中，每個函式呼叫的次數和消耗的時間。

這個工具雖然很常用，但是沒必要花太多時間研究這個工具，簡單使用就能達到效果，所以我這裡只簡單記錄下核心用法。

兩種使用方式

cprofile.run('

func(arg)
')     #
調優函式，在指令碼中使用
python -m cprofile myscript.py (-s ziduan)    #
調優指令碼，在命令列使用

輸出解釋

9891015 function calls (9843181 primitive calls) in 12.791seconds

ordered by: standard name
ncalls  tottime  percall  cumtime  percall filename:lineno(function)
1    0.000    0.000   12.791   12.791 :1()
1    0.037    0.037    0.966    0.966 accoverstep.py:13(accoverstep)
2    0.166    0.083    9.534    4.767 datapreprocessing.py:27(dists)
1    0.003    0.003    6.252    6.252 datapreprocessing.py:38(datapreprocessing)
10909    0.004    0.000    0.167    0.000 _methods.py:34(_sum)
10    0.000    0.000    0.000    0.000 _methods.py:45(_all)
42360    0.071    0.000    0.092    0.000 _methods.py:48(_count_reduce_items)
42360    0.201    0.000    0.678    0.000 _methods.py:58(_mean)

共有 9891015 次函式呼叫，原始呼叫為 9843181 次，原始呼叫代表不包含遞迴呼叫。

ncalls 函式的被呼叫次數 

tottime 函式總計執行時間，除去函式中呼叫的函式執行時間 

percall 函式執行一次的平均時間，等於tottime/ncalls 

cumtime 函式總計執行時間，含呼叫的函式執行時間 

percall 函式執行一次的平均時間，等於cumtime/ncalls 

filename:lineno(function) 函式所在的檔名，函式的行號，函式名

高效程式設計之原則

前言 清明時節雨紛紛，路上行人欲斷魂。借問酒家何處有？牧童遙指杏花村。對於清明節，想必杜牧這首詩肯定會讓你呼之既出。今天是清明放假的最後一天，打掃完家裡的衛生，我就必須要抓緊美好的時光來記錄下 高效能程式設計師的修煉 一書第三章 高效程式設計之原則 的讀書札記。在怨天尤人之前，我們應該做好自我反省，...

python效能測量工具cProfile使用解析

背景 python是一種解釋性的語言，執行速度相比c c 等語言十分緩慢 因此我們需要在其它地方上下功夫來提高 的執行速度。首先需要對 進行分析，這個時候則需要用一些工具。這裡介紹cprofile 全 分析 命令列 cprofile s tottime your program.py 結果如下 程式...

高效程式設計之cache命中對於程式效能的影響

下面這個 用兩個雙層迴圈遍歷了乙個二維陣列裡所有的元素，以我自己機器的測試 上面那個迴圈耗時基本為下面的一半，兩個迴圈的時間複雜度相同，為什麼會有這麼大的差別？首先要明白的是不管是幾維陣列，他們都是用一塊位址連續的記憶體來儲存所有的元素，而記憶體布局的順序是一整行接著下乙個整行排列，第乙個迴圈是一行...