Python标准库中提供了三种用来分析程序性能的模块，分别是cProfile, profile和hotshot，另外还有一个辅助模块stats。这些模块提供了对Python程序的确定性分析功能，同时也提供了相应的报表生成工具，方便用户快速地检查和分析结果。
这三个性能分析模块的介绍如下：
cProfile：基于lsprof的用C语言实现的扩展应用，运行开销比较合理，适合分析运行时间较长的程序，推荐使用这个模块；
profile：纯Python实现的性能分析模块，接口和cProfile一致。但在分析程序时增加了很大的运行开销。不过，如果你想扩展profiler的功能，可以通过继承这个模块实现；
hotshot：一个试验性的C模块，减少了性能分析时的运行开销，但是需要更长的数据后处理的次数。目前这个模块不再被维护，有可能在新版本中被弃用。
由于hotshot基本不再使用，而profile和cProfile的用法基本一致，所以下面就只介绍一下cProfile的用法。
一、cProfile基本用法
假设现在有这样一个Python函数，需要测试一下它的运行速度：
1 def sum_num(max_num): 2 total = 0 3 for i in range(max_num): 4 total += i 5 return total 6 7 8 def test(): 9 total = 0 10 for i in range(40000): 11 total += i 12 13 t1 = sum_num(100000) 14 t2 = sum_num(400000) 15 16 return total 17 18 if __name__ == "__main__": 19 test()
下面使用cProfile进行性能分析，你可以在Python脚本中实现，也可以使用命令行执行。使用Python脚本的主函数代码如下：
1 if __name__ == "__main__": 2 import cProfile 3 4 # 直接把分析结果打印到控制台 5 cProfile.run("test()") 6 # 把分析结果保存到文件中 7 cProfile.run("test()", filename="result.out") 8 # 增加排序方式 9 cProfile.run("test()", filename="result.out", sort="cumulative")
使用命令行运行的方法基本一致，Bash代码如下:
1 # 直接把分析结果打印到控制台 2 python -m cProfile test.py 3 # 把分析结果保存到文件中 4 python -m cProfile -o result.out test.py 5 # 增加排序方式 6 python -m cProfile -o result.out -s cumulative test.py
使用最后一种方式分析的运行结果如下：
8 function calls in 0.042 seconds Ordered by: cumulative time ncalls tottime percall cumtime percall filename:lineno(function) 1 0.000 0.000 0.042 0.042 test.py:5(<module>) 1 0.002 0.002 0.042 0.042 test.py:12(test) 2 0.035 0.018 0.039 0.020 test.py:5(sum_num) 3 0.004 0.001 0.004 0.001 {range} 1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
其中，输出每列的具体解释如下：
ncalls：表示函数调用的次数；
tottime：表示指定函数的总的运行时间，除掉函数中调用子函数的运行时间；
percall：（第一个percall）等于 tottime/ncalls；
cumtime：表示该函数及其所有子函数的调用运行的时间，即函数开始调用到返回的时间；
percall：（第二个percall）即函数运行一次的平均时间，等于 cumtime/ncalls；
filename:lineno(function)：每个函数调用的具体信息；
另外，上面分析的时候，排序方式使用的是函数调用时间(cumulative)，除了这个还有一些其他允许的排序方式：calls, cumulative, file, line, module, name, nfl, pcalls, stdname, time等。具体的结果如何，大家可以试试。
二、分析工具pstats
使用cProfile分析的结果可以输出到指定的文件中，但是文件内容是以二进制的方式保存的，用文本编辑器打开时乱码。所以，Python提供了一个pstats模块，用来分析cProfile输出的文件内容。它支持多种形式的报表输出，是文本界面下一个较为实用的工具。使用非常简单：
1 import pstats 2 3 # 创建Stats对象 4 p = pstats.Stats("result.out") 5 6 # strip_dirs(): 去掉无关的路径信息 7 # sort_stats(): 排序，支持的方式和上述的一致 8 # print_stats(): 打印分析结果，可以指定打印前几行 9 10 # 和直接运行cProfile.run("test()")的结果是一样的 11 p.strip_dirs().sort_stats(-1).print_stats() 12 13 # 按照函数名排序，只打印前3行函数的信息, 参数还可为小数,表示前百分之几的函数信息 14 p.strip_dirs().sort_stats("name").print_stats(3) 15 16 # 按照运行时间和函数名进行排序 17 p.strip_dirs().sort_stats("cumulative", "name").print_stats(0.5) 18 19 # 如果想知道有哪些函数调用了sum_num 20 p.print_callers(0.5, "sum_num") 21 22 # 查看test()函数中调用了哪些函数 23 p.print_callees("test")
此外，pstats也提供了命令行交互工具，方法如下：
1 xianglong@xianglong:~$ python -m pstats result.out 2 Welcome to the profile statistics browser. 3 result.out% sort cumulative 4 result.out% stats 5 Thu Feb 5 16:08:36 2015 result.out 6 7 8 function calls in 0.042 seconds 8 9 Ordered by: cumulative time 10 11 ncalls tottime percall cumtime percall filename:lineno(function) 12 1 0.000 0.000 0.042 0.042 test.py:5(<module>) 13 1 0.002 0.002 0.042 0.042 test.py:12(test) 14 2 0.036 0.018 0.040 0.020 test.py:5(sum_num) 15 3 0.004 0.001 0.004 0.001 {range} 16 1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects} 17 18 result.out% help 19 20 Documented commands (type help <topic>): 21 ======================================== 22 EOF add callees callers help quit read reverse sort stats strip 23 24 result.out%
三、图形化工具
对于一些比较大的应用程序，如果能够将性能分析的结果以图形的方式呈现，将会非常实用和直观，常见的可视化工具有Gprof2Dot，visualpytune，KCacheGrind等，这里介绍一下Gprof2Dot的用法。
使用之前，你需要安装graphviz：
sudo apt-get install graphviz
然后下载Gprof2Dot：gprof2dot.py
之后运行：
python gprof2dot.py -f pstats result.out | dot -Tpng -o result.png