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：
程式設計客棧ncalls tottime percall cumtime percall filename:lineno(function)
66 0.001 0.000 11.850 0.180 base.py:228(micro_service)
66 0.003 0.000 11.849 0.180 tools.py:557(micro_service)
1056 0.001 0.000 11.073 0.010 connection.py:463(drain_events)
1056 0.015 0.000 11.072 0.010 connection.py:466(blocking_read)
1056 0.008 0.000 10.920 0.010 transport.py:233(read_frame)
3168 0.014 0.000 10.908 0.003 transport.py:370(_read)程式設計客棧
3168 10.892 0.003 10.892 0.003
66 0.001 0.000 9.814 0.149 rpc.py:350(__call__)
66 0.001 0.000 8.395 0.127 rpc.py:329(result)
塊分析:
上面屬於檔案分析,但是我們可能只對部分**感興趣，那麼只需要在這部分**的前後加上下面這兩段**即可：
import cprofile
cp = cprowww.cppcns.comfile.profile()
cp.enable()
your code
cp.disable()
cp.print_stats()
結果與全**分析的類似，但是只包含你感興趣的部分。
行分析:
行分析需要安裝line_profiler：
pip install line_profiler
@profile
def class_name()
pass
然後在命令列輸入：
kernprof -l -v your_code.py
-l 逐行分析
-v 立即檢視結果
示例：from cprofile import profile as profile
from pstats import stats
def ():
p = profile()
p.snapshot_stats()
p.enable()
p.disable()
p.print_stats(2) # 按照呼叫累加總耗時累加排序，即將最耗時的函式最優先
p.du程式設計客棧mp_stats("call.log")
python 效能測量
一些python使用者對了解同一問題的不同方法的相對效能產生了濃厚的興趣。python提供了一種可以立即回答這些問題的測量工具。例如，元組封包和拆包功能相比傳統的交換引數可能更具吸引力。timeit 模組可以快速演示在執行效率方面一定的優勢 from timeit import timer time...
python效能監控工具 Python效能監控
profiler是乙個程式，用來描述執行時的程式效能，並且從不同方面提供統計資料加以表述。python中含有3個模組提供這樣的功能，分別是cprofile,profile和pstats。這些分析器提供的是對python程式的確定性分析。同時也提供一系列的報表生成工具，允許使用者快速地檢查分析結果。p...
Linux測量工具
1 頂部資源消費者 top 2 system acitity report sar 3 虛擬記憶體統計表 vmstat 4 i o統計表 iostat 5 系統記錄檔案 var log messages 6 監控和優化cpu工具 top pstree vmstat mpstat p all sar ...