Python脚本分析CPU使用情况

CTO练习营 | 12月3-5日，深圳，是时刻成为优良的技巧治理者了

在这篇文┞仿中，我将评论辩论一个对象，用以分析Python中CPU应用情况。CPU分析是经由过程分析CPU履行代码的方法来测量代码的机能，以此找到代码中的不当之处，然后处理它们。

接下来我们将看看若何跟踪Python脚本应用时CPU应用情况，重点存眷以下几个方面：

1、cProfile

2、line_profiler

3、pprofile

测量CPU应用率

对于这篇文┞仿，我将重要应用与内存分析中应用脚本相同的脚本，具体如下：

别的，请记住，在PyPy2中，您须要应用与之合营的pip版本：

并且其他依附项也将被安装：

cProfile

在评论辩论CPU分析时，最常用的对象之一是cProfile，主如果因为它内置在CPython2和PyPy2中。这是一个肯定性的分析器，意味着在运行法度榜样时会收集一组统计数据，例如我们代码的各个部分的履行次数或履行时光。此外，cProfile在体系上的开销比其他内置的分析器（设备文件）要低。

CPython2的用法很简单：

如不雅您应用PyPy2：

其输出如下：

即使应用这个文本输出，很轻易看到我们的脚本多次调用了list.append办法。

再次运行脚本：

我们获得以下output.png文件：

如许更轻易看到一切。我们来细心看看它的输出。您可以看到脚本中的函数调用如下：

1、第一行：Python文件名，行号和办法名称

2、第二行：代码块占用全部时光的百分比

4、第四行：调用函数的次数

1、CPU应用图

例如，在顶部的第三个红色方块中，办法primes占用了98.28％的时光，个中65.44％的内容在个中进行，调用了40次。其余的时光花在Python中的list.append（22.33％）和range（11.51％）中。

作为一个简单的脚本，我们只须要重写我们的脚本，具体的如下所示：

4、代码热图

如不雅我们应用CPython2测量我们脚本的时光，

还有PyPy2：

我们经由过程应用PyPy2的CPython2和3.1X获得了不错的效不雅，下面是cProfile的调用流程图：

您还可以以编程方法应用cProfile，例如：

这在某些情况下很有效，例如多过程机能测量

源代码可以在这里找到，也可以在这里找到PyPI页面。与cProfile比拟，它具有一样的开销，不以前要花费12倍的时光来获取设备文件。

要应用它，您须要先经由过程pip添加它：pip install pip install Cython ipython == 5.4.1 line_profiler（CPython2）。这个分析器的一个重要缺点是它不支撑PyPy。

你将获得如下输出：

我们看到，反复调用list.append的两个轮回花了最多的时光。

pprofile

根据作者解释，pprofile是一个“线程测量和统计的纯python分析器”。

它受到line_profiler的启发，修复了很多缺点，然则因为它完全用Python编写，所以它也可以与PyPy成功应用。与cProfile比拟，应用CPython时的分析时光要多28倍，而应用PyPy时，分析时光要多10倍，并且细节程度加倍细化。

　　推荐阅读

　　神经网络算法的优势与应用

CTO练习营 | 12月3-5日，深圳，是时刻成为优良的技巧治理者了人工神经收集（ANN）以大年夜脑处理机制造为基本，开辟用于建立复杂模式和猜测问题的算法。起首懂得大年夜脑若何处理信息：在>>>详细阅读

地址：http://www.17bianji.com/lsqh/39359.html