Python：用pyinstrument做性能分析

导引

在计算密集型计算或一些Web应用中，我们常常需要对代码做性能分析。在Python中，最原始的方法即是使用

time

包中的

time

函数(该函数以秒为计时单位)：

from time import sleep, timedef func1():sleep(0.001)def func2():sleep(2)begin1 = time()func1()end1 = time()begin2 = time()func2()end2 = time()print("func1 consume: %f, func2 consume:%f, func3 consume: %f"\\% (end1-begin1, end2-begin2, end2-begin1))

控制台输出如下：

func1 consume: 0.001271, func2 consume:2.000421, func3 consume: 2.001692

pyinstrument基本用法

但是一旦函数多了起来，这种方式显然过于繁杂。类似C语言中的cProfile，在Python中，也有专门的性能分析工具

pyinstrument

（该库非内置，需要使用conda/pip安装），我们在复杂的项目中可以使用它来代替简陋的

time.time()

。

首先来看一下基本的使用，它的使用框架如下：

from pyinstrument import Profilerfrom time import sleepdef func1():sleep(0.1)def func2():sleep(2)profiler = Profiler()profiler.start()# 这里是你要分析的代码，我们这里分析func1和func2两个函数func1()func2()profiler.stop()profiler.print()

可以看到，该工具也将其成功分析出了个函数的运行时间，并为我们标红指出了运行2s的func2函数是性能瓶颈：

如果我们进一步调低函数的运行时间：

def func3():sleep(0.0001)profiler = Profiler()profiler.start()func3()profiler.stop()profiler.print()

此时会显示“No samples were recorded”，如下：

这是因为你的代码运行时间小于了1ms，如果你仍然想分析这段代码，你可以选择将间隔值调到比默认的0.001（1ms）小，比如这样：

profiler = Profiler(interval=0.0001)

此时你会发现，func3也能被检测出来了：

此外，如果你要在浏览器中查看分析结果，可以使用

profiler.open_in_browser()

代替

profiler.print()

的控制台打印输出:

也可以使用

profiler.output_html()

将profile以html形式输出。

分析Flask中的web响应性能

我们也可以对Flask应用进行性能分析，具体的用法如下：

from flask import Flask, g, make_response, requestapp = Flask(__name__)@app.before_requestdef before_request():if "profile" in request.args:g.profiler = Profiler()g.profiler.start()@app.after_requestdef after_request(response):if not hasattr(g, "profiler"):return responseg.profiler.stop()output_html = g.profiler.output_html()return make_response(output_html)

这样程序会检测每个request中的

?profile

参数，如果检测到则会开始分析。在运行了profiler的request结束后，它会生成一个html输出替代掉真实的response并返回。

参考

• [1] https://docs.python.org/3/library/time.html?highlight=time#time.time
• [2] https://pyinstrument.readthedocs.io/en/latest/guide.html