Python的7种性能测试工具：timeit、profile、cProfile、line_profiler、memory_profiler、PyCharm图形化性能测试工具、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 <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 <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