python - cProfile 和 profile 的区别——为什么没有 profile.Profile.enable() 方法？

Question

在 Python 2.7 和 Python 3.6 中，我发现这有效:

from cProfile import Profile; p = Profile(); p.enable()

...而这引发了一个异常(exception):

from profile import Profile; p = Profile(); p.enable()

# -->  AttributeError: 'Profile' object has no attribute 'enable'

这让我感到惊讶，因为我认为(以及 Python 3 和 Python 2 状态的官方文档)这两个模块应该提供相同的程序员接口(interface):

Both the profile and cProfile modules provide the following functions:

...

class profile.Profile(timer=None, timeunit=0.0, subcalls=True, builtins=True)

...

enable()

Start collecting profile data.

我错过了什么？使用 profile.Profile() 的正确方法是什么？实例？

Answer 1

截至 Python 3.8和更新的文档，他们已修复此问题以指定 enable()和 disable()仅适用于 cProfile .与 profile.Profile ，您需要使用 run()与 enable() 相对的调用和 disable() .以下是每个示例:
cProfile.Profile:

# cProfile.Profile -- control with enable() and disable()
from datetime import datetime
import cProfile, pstats, io
sortby = 'cumulative'
pr1 = cProfile.Profile(lambda: int(datetime.now().timestamp()*1000000), 0.000001)
pr1.enable()
list(x for x in range(int(10*10*10*10/10*10+10)))
pr1.disable()
s1 = io.StringIO()
ps1 = pstats.Stats(pr1, stream=s1).sort_stats(sortby)
ps1.print_stats()
print(s1.getvalue())

个人资料。个人资料:

# profile.Profile -- control with run()
from datetime import datetime
import profile, pstats, io
sortby = 'cumulative'
pr2 = profile.Profile(datetime.now().timestamp, 0.000001)
pr2.run('list(x for x in range(int(10*10*10*10/10*10+10)))')
s2 = io.StringIO()
ps2 = pstats.Stats(pr2, stream=s2).sort_stats(sortby)
ps2.print_stats()
print(s2.getvalue())

以下是我在两种形式之间观察到的一些行为差异:

cProfile将分析函数的输出推送到标准输出，而 profile将不会。

最终报告的filename:lineno(function)列的输出略有不同。 cProfile一般会更易读地显示内置函数。

然而，在我这里提供的示例中，传入的函数实际上可以在 profile 中识别。的输出而不是在 cProfile 's -- 但如果使用命名函数，它在两个分析器的输出中都是可识别的(尽管传递给函数的参数只能从 profile 的输出中看到)。

通过两者运行相同的功能 cProfile和 profile提供略有不同的结果。好像cProfile通常会生成大约两个更少的函数调用，并且将为相同的函数提供更有效的时间。

使用分析器的可选自定义 timer和 timeunit参数可以提供获得微秒精度与默认毫秒精度的好处。但是，似乎尝试使用这些带有一些警告:

cProfile的 timeunit 函数需要一个整数，而 profile需要一个浮点数。这意味着您不能使用 datetime.now().timestamp()直接与 cProfile ，但必须先将其包装在 lambda 中以将其转换为完整整数。

此外，由于某种原因 profile datetime.now().timestamp() 似乎不能正常工作即使这是它所期望的格式。它将打印出负时间值——我在下面展示了这一点。切换到 lambda 形式以将其转换为整数无济于事，如 profile期望浮点数。

以下是 profile.Profile 的输出与 datetime.now().timestamp()用于微秒设置的计时器。

 print(s2.getvalue())
       10015 function calls in -0.020 seconds`

 Ordered by: cumulative time

 ncalls  tottime  percall  cumtime  percall filename:lineno(function)
      0    0.000             0.000          profile:0(profiler)
      1    0.000    0.000    0.000    0.000 :0(setprofile)
  10011   -0.010   -0.000   -0.010   -0.000 <string>:1(<genexpr>)
      1   -0.010   -0.010   -0.020   -0.020 <string>:1(<module>)
      1   -0.000   -0.000   -0.020   -0.020 :0(exec)
      1   -0.000   -0.000   -0.020   -0.020 profile:0(list(x for x in range(int(10*10*10*10/10*10+10))))

然而，这个问题可以通过提供一个自定义的计时器函数来解决(它甚至可以环绕 datetime.now() 以提供与 datetime.now().timestamp() 完全相同的输出格式)，原因我无法解释。

例如如果我们定义:

def timenow():
   now = datetime.now()
   return (((now.year-1970) * 31557600) + (now.month * 2629800) + 
           (now.day * 86400) + (now.hour * 3600) + (now.minute * 60) +
           now.second + (now.microsecond * 0.000001))

我们现在可以使用 pr2 = profile.Profile(timenow, 0.000001) ，这将输出以下(理智的)报告:

>>> print(s2.getvalue())
         10015 function calls in 0.041 seconds

   Ordered by: cumulative time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.006    0.006    0.041    0.041 profile:0(list(x for x in range(int(10*10*10*10/10*10+10))))
        1    0.000    0.000    0.035    0.035 :0(exec)
        1    0.017    0.017    0.035    0.035 <string>:1(<module>)
    10011    0.018    0.000    0.018    0.000 <string>:1(<genexpr>)
        1    0.001    0.001    0.001    0.001 :0(setprofile)
        0    0.000             0.000          profile:0(profiler)

与 cProfile的输出比较(使用上面定义的自定义 lambda 计时器)，我们有:

>>> print(s1.getvalue())
         10013 function calls in 0.031 seconds

   Ordered by: cumulative time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
    10011    0.031    0.000    0.031    0.000 <stdin>:1(<genexpr>)
        1    0.000    0.000    0.000    0.000 <stdin>:1(<module>)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

至于为什么我们的自定义计时器函数给出了合理的结果和 datetime.now().timestamp()不与 profile ，首先要说明的是 timenow不提供时间给 datetime.now().timestamp() .尽管它提供了接近纪元的时间，但它的偏差很小(不会影响正常的配置文件运行，因为增量在同一系统上是相同的)。 timenow中使用的手动转换也肯定不如 datetime.now().timestamp() 有效.我只能推测后者效率太高，而且 profile 不知何故。结果，源代码没有正确测量。
TL; 博士
使用 cProfile除非你有特定的理由不这样做。官方 Python 文档还指出推荐的模块是 cProfile .尽管没有提供具体的理由，文档似乎暗示 cProfile可能表现更好并适合大多数用户的目的(即使它是一种稍微冗长的语法)。