Python的7种性能测试工具

https://blog.csdn.net/xiemanr/article/details/72763234

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只输出被测试代码的总运行时间，单位为秒，没有详细的统计。

2.profile

profile：纯Python实现的性能测试模块，接口和cProfile一样。

>>> 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 :1(fun)
        1    0.000    0.000    0.016    0.016 :1()
        1    0.000    0.000    0.031    0.031 profile:0(fun())
        0    0.000             0.000          profile:0(profiler)


>>> 

ncall：函数运行次数

tottime： 函数的总的运行时间，减去函数中调用子函数的运行时间

第一个percall：percall = tottime / nclall 

cumtime:函数及其所有子函数调整的运行时间，也就是函数开始调用到结束的时间。

第二个percall：percall = cumtime / nclall 

3.cProfile

profile：c语言实现的性能测试模块，接口和profile一样。

>>> 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 :1(fun)
        1    0.000    0.000    0.024    0.024 :1()
        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含义同profile。

4.line_profiler

安装：

pip install line_profiler

安装之后kernprof.py会加到环境变量中。

line_profiler可以统计每行代码的执行次数和执行时间等，时间单位为微妙。

测试代码：

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.在需要测试的函数加上@profile装饰，这里我们把测试代码写在C:\Python34\test.py文件上.

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

输出结果如下：

Total Time：测试代码的总运行时间 
Hits：表示每行代码运行的次数  
Time：每行代码运行的总时间  
Per Hits：每行代码运行一次的时间  
% Time：每行代码运行时间的百分比

5.memory_profiler:

memory_profiler工具可以统计每行代码占用的内存大小。  

安装：

pip install memory_profiler  

pip install psutil  

测试代码：  

同line_profiler。 

使用： 

1.在需要测试的函数加上@profile装饰
  
2.执行命令： python -m memory_profiler C:\Python34\test.py 
  
输出如下：

6.PyCharm图形化性能测试工具：

PyCharm提供了图像化的性能分析工具，使用方法见利用PyCharm的Profile工具进行Python性能分析。

7.objgraph：

objgraph是一个实用模块,可以列出当前内存中存在的对象，可用于定位内存泄露。

objgraph需要安装：

pip install objgraph

使用方法这里不做描述，自行百度。

图形化分析原始文件：目前推荐 snakeviz

pip 安装 snakeviz 后，在 Anaconda prompt 里运行如下命令：

snakeviz result.out

然后就会在弹出一个 snakeviz 的本地网页，可以在网页上自由点击查看哪个代码最耗时，非常直观方便：

图片摘自 snakeviz 官网

其他图形化工具：我试过 gprof2dot，感觉总体上不如 snakeviz 简单、直接、美观。简单方面，用 gprof2dot 前需要安装 graphviz，安装完成后还需要把 graphviz 安装目录下的 bin 文件夹添加到环境路径 Path，而 snakeviz 只需 pip 安装即可。直接、美观方面，gprof2dot 会把结果生成为图片，图片效果不如 snakeviz 的网页美观，如果 profile 的脚本较为复杂的话，图片过大内容过于密集，很不方便查看。