Python 从 cProfile 获得有意义的结果

Question

我在一个文件中有一个 Python 脚本，它需要 30 多秒才能运行。我正在尝试对其进行分析，因为我想大大减少这个时间。

我正在尝试使用 cProfile 分析脚本，但基本上它似乎告诉我的是，是的，主脚本需要很长时间才能运行，但没有给出那种我期待的崩溃。在终端，我输入如下内容:

cat my_script_input.txt | python -m cProfile -s time my_script.py

我得到的结果是:

<my_script_output>
             683121 function calls (682169 primitive calls) in 32.133 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1   31.980   31.980   32.133   32.133 my_script.py:18(<module>)
   121089    0.050    0.000    0.050    0.000 {method 'split' of 'str' objects}
   121090    0.038    0.000    0.049    0.000 fileinput.py:243(next)
        2    0.027    0.014    0.036    0.018 {method 'sort' of 'list' objects}
   121089    0.009    0.000    0.009    0.000 {method 'strip' of 'str' objects}
   201534    0.009    0.000    0.009    0.000 {method 'append' of 'list' objects}
   100858    0.009    0.000    0.009    0.000 my_script.py:51(<lambda>)
      952    0.008    0.000    0.008    0.000 {method 'readlines' of 'file' objects}
 1904/952    0.003    0.000    0.011    0.000 fileinput.py:292(readline)
    14412    0.001    0.000    0.001    0.000 {method 'add' of 'set' objects}
      182    0.000    0.000    0.000    0.000 {method 'join' of 'str' objects}
        1    0.000    0.000    0.000    0.000 fileinput.py:80(<module>)
        1    0.000    0.000    0.000    0.000 fileinput.py:197(__init__)
        1    0.000    0.000    0.000    0.000 fileinput.py:266(nextfile)
        1    0.000    0.000    0.000    0.000 {isinstance}
        1    0.000    0.000    0.000    0.000 fileinput.py:91(input)
        1    0.000    0.000    0.000    0.000 fileinput.py:184(FileInput)
        1    0.000    0.000    0.000    0.000 fileinput.py:240(__iter__)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

这似乎没有告诉我任何有用的信息。绝大多数时间都被简单地列为:

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1   31.980   31.980   32.133   32.133 my_script.py:18(<module>)

在 my_script.py 中，第 18 行只不过是文件头 block 注释的结束 """工作集中在第 18 行。整个脚本主要由基于行的处理组成，其中大部分是一些字符串拆分、排序和设置工作，所以我希望能找到大部分时间用于这些事件中的一个或多个。就目前而言，将所有时间分组在 cProfile 的结果中视为发生在注释行上没有任何意义，或者至少不能说明实际上一直在消耗什么。

编辑:我构建了一个与上述案例类似的最小工作示例来演示相同的行为:

mwe.py

import fileinput

for line in fileinput.input():
    for i in range(10):
        y = int(line.strip()) + int(line.strip())

然后调用它:

perl -e 'for(1..1000000){print "$_\n"}' | python -m cProfile -s time mwe.py

要得到结果:

         22002536 function calls (22001694 primitive calls) in 9.433 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    8.004    8.004    9.433    9.433 mwe.py:1(<module>)
 20000000    1.021    0.000    1.021    0.000 {method 'strip' of 'str' objects}
  1000001    0.270    0.000    0.301    0.000 fileinput.py:243(next)
  1000000    0.107    0.000    0.107    0.000 {range}
      842    0.024    0.000    0.024    0.000 {method 'readlines' of 'file' objects}
 1684/842    0.007    0.000    0.032    0.000 fileinput.py:292(readline)
        1    0.000    0.000    0.000    0.000 fileinput.py:80(<module>)
        1    0.000    0.000    0.000    0.000 fileinput.py:91(input)
        1    0.000    0.000    0.000    0.000 fileinput.py:197(__init__)
        1    0.000    0.000    0.000    0.000 fileinput.py:184(FileInput)
        1    0.000    0.000    0.000    0.000 fileinput.py:266(nextfile)
        1    0.000    0.000    0.000    0.000 {isinstance}
        1    0.000    0.000    0.000    0.000 fileinput.py:240(__iter__)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

我是否以某种方式错误地使用了 cProfile？

Answer 1

正如我在评论中提到的，当您无法让 cProfile 在外部工作时，您通常可以在内部使用它。没那么难。

例如，当我在我的 Python 2.7 中使用 -m cProfile 运行时，我实际上得到了与您相同的结果。但是当我手动检测您的示例程序时:

import fileinput
import cProfile

pr = cProfile.Profile()
pr.enable()
for line in fileinput.input():
    for i in range(10):
        y = int(line.strip()) + int(line.strip())
pr.disable()
pr.print_stats(sort='time')

...这是我得到的:

         22002533 function calls (22001691 primitive calls) in 3.352 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
 20000000    2.326    0.000    2.326    0.000 {method 'strip' of 'str' objects}
  1000001    0.646    0.000    0.700    0.000 fileinput.py:243(next)
  1000000    0.325    0.000    0.325    0.000 {range}
      842    0.042    0.000    0.042    0.000 {method 'readlines' of 'file' objects}
 1684/842    0.013    0.000    0.055    0.000 fileinput.py:292(readline)
        1    0.000    0.000    0.000    0.000 fileinput.py:197(__init__)
        1    0.000    0.000    0.000    0.000 fileinput.py:91(input)
        1    0.000    0.000    0.000    0.000 {isinstance}
        1    0.000    0.000    0.000    0.000 fileinput.py:266(nextfile)
        1    0.000    0.000    0.000    0.000 fileinput.py:240(__iter__)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

这更有用:它告诉您可能已经预料到的情况，即您一半以上的时间都花在了调用 str.strip() 上。

---

另外，请注意，如果您无法编辑包含要分析的代码的文件 (mwe.py)，您可以随时这样做:

import cProfile
pr = cProfile.Profile()
pr.enable()
import mwe
pr.disable()
pr.print_stats(sort='time')

---

即使这并不总是有效。例如，如果您的程序调用 exit()，则必须使用 try:/finally: 包装器和/或 atexit。它调用 os._exit() 或 segfaults，你可能完全被淹没了。但这并不常见。

---

但是，我后来发现:如果将所有代码移出全局范围，-m cProfile 似乎可以工作，至少在这种情况下是这样。例如:

import fileinput

def f():
    for line in fileinput.input():
        for i in range(10):
            y = int(line.strip()) + int(line.strip())
f()

现在 -m cProfile 的输出包括:

  2000000    4.819    0.000    4.819    0.000 :0(strip)
   100001    0.288    0.000    0.295    0.000 fileinput.py:243(next)

我不知道为什么这也让它慢了一倍……或者这只是缓存效应；距离我上次运行它已经有几分钟了，我在这之间做了很多网页浏览。但这并不重要，重要的是大部分时间都在合理的地方收费。

但是如果我改变它以将外部循环移动到全局级别，并且只有它的主体变成一个函数，大部分时间都会再次消失。

---

另一种选择，除非作为最后的手段，否则我不会建议......

我注意到，如果我使用 profile 而不是 cProfile，它在内部和外部都可以工作，从而为正确的调用计费。但是，这些调用也慢了大约 5 倍。并且似乎还有额外的 10 秒的持续开销(如果在内部使用，则从 import profile 收取费用，如果在外部使用，则在第 1 行收取费用)。因此，要发现 split 占用了我 70% 的时间，而不是等待 4 秒并执行 2.326/3.352，我必须等待 27 秒，然后执行 10.93/(26.34 - 10.01)。没什么好玩的……

---

最后一件事:我使用 CPython 3.4 开发版本得到了相同的结果——在内部使用时结果正确，在外部使用时所有费用都计入第一行代码。但是 PyPy 2.2/2.7.3 和 PyPy3 2.1b1/3.2.3 似乎都用 -m cProfile 给了我正确的结果。这可能只是意味着 PyPy 的 cProfile 是在 profile 之上伪造的，因为纯 Python 代码足够快。

---

无论如何，如果有人能弄清楚/解释为什么 -m cProfile 不起作用，那就太好了……但否则，这通常是一个非常好的解决方法。