Python的7種性能測試工具：timeit、profile、cProfile、line_profiler、memory_profiler、PyCharm圖形化性能測試工具、objgraph

1.timeit：

 

 

>>> import timeit
>>> def fun():
    for i in range(100000):
        a = i * i

>>> timeit.timeit('fun()', 'from __main__ import fun', number=1)
0.02922706632834235
>>>  

 

 

timeit只輸出被測試代碼的總運行時間，單位為秒，沒有詳細的統計。

 

2.profile

profile：純Python實現的性能測試模塊，接口和cProfile一樣。

 

>>> import profile
>>> def fun():
   for i in range(100000):
      a = i * i

      

>>> profile.run('fun()')
         5 function calls in 0.031 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.016    0.016 :0(exec)
        1    0.016    0.016    0.016    0.016 :0(setprofile)
        1    0.016    0.016    0.016    0.016 <pyshell#13>:1(fun)
        1    0.000    0.000    0.016    0.016 <string>:1(<module>)
        1    0.000    0.000    0.031    0.031 profile:0(fun())
        0    0.000             0.000          profile:0(profiler)


>>> 

 

 

ncall：函數運行次數

tottime： 函數的總的運行時間，減去函數中調用子函數的運行時間

第一個percall：percall = tottime / nclall 

cumtime:函數及其所有子函數調整的運行時間，也就是函數開始調用到結束的時間。

第二個percall：percall = cumtime / nclall 

 

3.cProfile

profile：c語言實現的性能測試模塊，接口和profile一樣。

 

>>> import cProfile
>>> def fun():
   for i in range(100000):
      a = i * i

      
>>> cProfile.run('fun()')
         4 function calls in 0.024 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.024    0.024    0.024    0.024 <pyshell#17>:1(fun)
        1    0.000    0.000    0.024    0.024 <string>:1(<module>)
        1    0.000    0.000    0.024    0.024 {built-in method exec}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}


>>> 

ncalls、tottime、percall、cumtime含義同profile。

 

 

4.line_profiler

安裝：

pip install line_profiler

安裝之后kernprof.py會加到環境變量中。

line_profiler可以統計每行代碼的執行次數和執行時間等，時間單位為微妙。

測試代碼：

C:\Python34\test.py

import time


@profile
def fun():
    a = 0
    b = 0
    for i in range(100000):
        a = a + i * i

    for i in range(3):
        b += 1
        time.sleep(0.1)

    return a + b


fun()

使用：

1.在需要測試的函數加上@profile裝飾，這里我們把測試代碼寫在C:\Python34\test.py文件上.

2.運行命令行：kernprof -l -v C:\Python34\test.py

輸出結果如下：

Total Time：測試代碼的總運行時間 
Hits：表示每行代碼運行的次數  
Time：每行代碼運行的總時間  
Per Hits：每行代碼運行一次的時間  
% Time：每行代碼運行時間的百分比

 

5.memory_profiler:

memory_profiler工具可以統計每行代碼占用的內存大小。  

安裝：

pip install memory_profiler  

pip install psutil  

測試代碼：  

同line_profiler。 

使用： 

1.在需要測試的函數加上@profile裝飾
  
2.執行命令： python -m memory_profiler C:\Python34\test.py 
  
輸出如下：

 

6.PyCharm圖形化性能測試工具：

PyCharm提供了圖像化的性能分析工具，使用方法見利用PyCharm的Profile工具進行Python性能分析。

 

7.objgraph：

objgraph是一個實用模塊,可以列出當前內存中存在的對象，可用於定位內存泄露。

objgraph需要安裝：

 

pip install objgraph

 

 

使用方法這里不做描述，自行百度。