如何分析python的性能(linux)
一.多进程：
查看程序所有进程与线程
如果python程序启动后形成多个进程如何判断其关系
显示进程的树状结构。-cp 表示树展开，且显示进程号码
$pstree -cp
显示结果
│ │ │ ├─pycharm.sh(5146)───java(5194)─┬─fsnotifier64(5232)
│ │ │ │ ├─python2.7(5314)─┬─python2.7(5327)─┬─{python2.7}(5329)
│ │ │ │ │ │ ├─{python2.7}(5330)
│ │ │ │ │ │ ├─{python2.7}(5341)
│ │ │ │ │ │ └─{python2.7}(5344)
│ │ │ │ │ ├─python2.7(5328)─┬─{python2.7}(5339)
│ │ │ │ │ │ ├─{python2.7}(5340)
│ │ │ │ │ │ ├─{python2.7}(5354)
│ │ │ │ │ │ └─{python2.7}(5355)
│ │ │ │ │ ├─python2.7(5331)─┬─{python2.7}(5342)
│ │ │ │ │ │ ├─{python2.7}(5343)
│ │ │ │ │ │ ├─{python2.7}(5359)
│ │ │ │ │ │ └─{python2.7}(5360)
│ │ │ │ │ ├─python2.7(5332)─┬─{python2.7}(5346)
│ │ │ │ │ │ ├─{python2.7}(5347)
│ │ │ │ │ │ ├─{python2.7}(5364)
│ │ │ │ │ │ └─{python2.7}(5365)
│ │ │ │ │ ├─python2.7(5333)─┬─{python2.7}(5348)
│ │ │ │ │ │ ├─{python2.7}(5350)
│ │ │ │ │ │ ├─{python2.7}(5368)
│ │ │ │ │ │ └─{python2.7}(5369)
│ │ │ │ │ ├─python2.7(5334)─┬─{python2.7}(5356)
│ │ │ │ │ │ ├─{python2.7}(5358)
│ │ │ │ │ │ ├─{python2.7}(5376)
│ │ │ │ │ │ └─{python2.7}(5377)
│ │ │ │ │ ├─python2.7(5335)─┬─{python2.7}(5352)
│ │ │ │ │ │ ├─{python2.7}(5353)
│ │ │ │ │ │ ├─{python2.7}(5373)
│ │ │ │ │ │ └─{python2.7}(5375)
│ │ │ │ │ ├─python2.7(5336)─┬─{python2.7}(5362)
│ │ │ │ │ │ ├─{python2.7}(5363)
│ │ │ │ │ │ ├─{python2.7}(5378)
│ │ │ │ │ │ └─{python2.7}(5379)
│ │ │ │ │ ├─python2.7(5337)─┬─{python2.7}(5372)
│ │ │ │ │ │ ├─{python2.7}(5374)
│ │ │ │ │ │ ├─{python2.7}(5382)
│ │ │ │ │ │ └─{python2.7}(5383)
│ │ │ │ │ ├─python2.7(5338)─┬─{python2.7}(5366)
│ │ │ │ │ │ ├─{python2.7}(5370)
│ │ │ │ │ │ ├─{python2.7}(5380)
│ │ │ │ │ │ └─{python2.7}(5381)
│ │ │ │ │ ├─{python2.7}(5317)
│ │ │ │ │ ├─{python2.7}(5318)
│ │ │ │ │ └─{python2.7}(5319)
│ │ │ │ ├─{java}(5195)
从上面可以看到，python程序起了一个主进程5314，然后这个主进程又起了10个左右的子进程。再结合以下命令可以判断出启动的程序的组成主进程是那个，以及子进程是那个。
$ps aux|grep 程序名
查看某个进程的状态
$top -H -p N ###N是进程号
$cat /proc/N/status ###N是进程号
例子1：查看主进程5314
$cat /proc//status
显示信息如下
Name: python2.7 ###进程名字
State: S (sleeping) ###进程状态
Tgid: 5314 ###进程线程组id(主线程)，也就是进程id；每个进程有一个主线程，有其他线程；主线程id即进程id
Ngid: 0 ###
Pid: 5314 ###线程或者进程id(主线程)，linux中线程进程是同一个数据结构
PPid: 5194 ###父进程id
TracerPid: 0 ###跟踪当前进程的进程id，0表示无跟踪
Uid: 1000 ###用户id
Gid: 0 ###组id
FDSize: 512 ###文件描述符上限，ls /proc/5314/fd;查看文件描述符
Groups: ###用户组
VmPeak: kB ###进程运行占用内存的峰值
VmSize: kB ###目前占用内存量
VmLck: kB ###进程锁住的内存，不能交换到磁盘
VmPin: kB ###
VmHWM: kB ###程序得到分配到物理内存的峰值
VmRSS: kB ###程序得到分配到物理内存
VmData: kB ###表示进程数据段的大小
VmStk: kB ###表示进程堆栈段的大小
VmExe: kB ###表示进程代码的大小.
VmLib: kB ###表示进程所使用LIB库的大小.
VmPTE: kB ###占用的页表的大小
VmSwap: kB ###进程占用Swap交换区的大小
Threads: 4 ###进程下面的线程个数
SigQ: /64045 ###表示当前待处理信号的个数
SigPnd: 0000000000000000 ###屏蔽位,存储了该线程的待处理信号,等同于线程的PENDING信号.
ShdPnd: 0000000000000000 ###屏蔽位,存储了该线程组的待处理信号.等同于进程组的PENDING信号.
SigBlk: 0000000000000004 ###存放被阻塞的信号,等同于BLOCKED信号.
SigIgn: 0000000001001000 ###存放被忽略的信号,等同于IGNORED信号.
SigCgt: 0000000180004003 ###存放捕获的信号,等同于CAUGHT信号.
CapInh: 0000000000000000 ###能够被当前进程执行的程序继承的能力.
CapPrm: 0000000000000000 ###表示进程能够使用的能力
CapEff: 0000000000000000 ###当一个进程要进行某个特权操作时,操作系统会检查cap_effective的对应位是否有效,而不再是检查进程的有效UID是否为0.
CapBnd: 0000003fffffffff ###是系统的边界能力,我们无法改变它.
Seccomp: 0 ###
Cpus_allowed: ffffffff ###该进程可以使用CPU的亲和性掩码,如果我们指定为两块CPU,这里就是3,如果该进程指定为4个CPU(如果有话),这里就是F(1111).
Cpus_allowed_list: -31 ###进程可以使用的cpu的id号码列表
Mems_allowed: ,00000001 ###内存资源
Mems_allowed_list: 0 ###内存资源
voluntary_ctxt_switches: 376135 ###进程主动切换的次数
nonvoluntary_ctxt_switches: 5992 ###进程被动切换的次数
二.内存
查看可执行文件的镜像
$readelf -s xxx ###xxx为可执行文件的路径，linux上可执行文件是elf文件格式的。
例子1：
查看python执行程序
$readelf -s /usr/bin/python2.
可以看到该执行文件的结构，但是python程序本身是字节码文件，不是elf文件。因此这个对我们作用不大
: 0000000000503ef0 FUNC GLOBAL DEFAULT PySequence_Size
: 0000000000934cd0 OBJECT GLOBAL DEFAULT _PyIO_locale_module
: 00000000005b6150 FUNC GLOBAL DEFAULT _PyLong_Sign
: 000000000043aa0b FUNC GLOBAL DEFAULT PyCodec_Register
: 00000000004c9ff0 FUNC GLOBAL DEFAULT PyObject_CallFunction
: 0000000000465e20 FUNC GLOBAL DEFAULT _Py_c_prod
: 00000000004554c1 FUNC GLOBAL DEFAULT PyFunction_GetModule
: 000000000044d09b FUNC GLOBAL DEFAULT PyImport_ReloadModule
: 0000000000465adb FUNC GLOBAL DEFAULT PyFloat_GetMin
: 000000000090f6e0 OBJECT GLOBAL DEFAULT PyCell_Type
: 0000000000456f41 FUNC GLOBAL DEFAULT PyComplex_FromDoubles
: OBJECT GLOBAL DEFAULT _PyOS_opterr
: 000000000091a6c0 OBJECT GLOBAL DEFAULT PyExc_OverflowError
: 000000000051ce20 FUNC GLOBAL DEFAULT PyClass_IsSubclass
: 000000000090e3a0 OBJECT GLOBAL DEFAULT PyProperty_Type
: OBJECT GLOBAL DEFAULT PyRange_Type
: 00000000004667c2 FUNC GLOBAL DEFAULT _Py_svnversion
: 0000000000581a10 FUNC GLOBAL DEFAULT PyNumber_Float
查看进程内存镜像
$cat /proc/N/maps
三.执行时间
系统自带的时间分析
$ time python xxx.py
显示结果为
real 0m1.028s ###真实执行时间，等待IO时间，在cpu内核与用户态执行时间
user 0m0.001s ###用户态cpu执行时间
sys 0m0.003s ###系统态cpu执行时间
使用python的time模块
import time class Timer(object):
def __init__(self, verbose=False):
self.verbose = verbose def __enter__(self):
self.start = time.time()
return self def __exit__(self, *args):
self.end = time.time()
self.secs = self.end - self.start
self.msecs = self.secs * 1000 # millisecs
if self.verbose:
print 'elapsed time: %f ms' % self.msecs
使用cprofile工具，
$python -m cProfile -o result.out xxx.py ###result.out为保存结果的文件
使用pstats分析result.out
$python -m pstats result.out
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}
结果列分别为：调用次数，总时间，每次调用平均时间，函数与子函数总时间，函数与子函数平均时间，文件名称，行号
使用图形化分析工具Gprof2Dot，visualpytune，KCacheGrind分析result.out
$python gprof2dot.py -f pstats result.out | dot -Tpng -o result.png
工具
工具line_profiler
可以分析每行代码的执行时间
工具memory_profiler
可以分析每行代码的内存变化
工具objgraph
查看内存泄漏
工具RunSnakeRun:使用图形化分析
$runsnake result.out
工具KCachegrind
$apt-get install kcachegrind
工具Meliae
首先在你的代码中需要导出内存映像的某时刻，输入以下代码
from meliae import scanner
scanner.dump_all_objects( filename ) # you can pass a file-handle if you prefer
然后分析导出的镜像
$runsnakemem <filename>
如何分析python的性能(linux)的更多相关文章
- [转] Python 代码性能优化技巧
选择了脚本语言就要忍受其速度,这句话在某种程度上说明了 python 作为脚本的一个不足之处,那就是执行效率和性能不够理想,特别是在 performance 较差的机器上,因此有必要进行一定的代码优化 ...
- Python代码性能优化技巧
摘要:代码优化能够让程序运行更快,可以提高程序的执行效率等,对于一名软件开发人员来说,如何优化代码,从哪里入手进行优化?这些都是他们十分关心的问题.本文着重讲了如何优化Python代码,看完一定会让你 ...
- Python 代码性能优化技巧（转）
原文:Python 代码性能优化技巧 Python 代码优化常见技巧 代码优化能够让程序运行更快,它是在不改变程序运行结果的情况下使得程序的运行效率更高,根据 80/20 原则,实现程序的重构.优化. ...
- Python 代码性能优化技巧
选择了脚本语言就要忍受其速度,这句话在某种程度上说明了 python 作为脚本的一个不足之处,那就是执行效率和性能不够理想,特别是在 performance 较差的机器上,因此有必要进行一定的代码优化 ...
- 对于Python语音性能的一些个人见解
虽然运行速度慢是 Python 与生俱来的特点,大多数时候我们用 Python 就意味着放弃对性能的追求.但是,就算是用纯 Python 完成同一个任务,老手写出来的代码可能会比菜鸟写的代码块几倍,甚 ...
- 关于Python Profilers性能分析器
1. 介绍性能分析器 作者:btchenguang profiler是一个程序,用来描述运行时的程序性能,并且从不同方面提供统计数据加以表述.Python中含有3个模块提供这样的功能,分别是cProf ...
- python——关于Python Profilers性能分析器
1. 介绍性能分析器 profiler是一个程序,用来描述运行时的程序性能,并且从不同方面提供统计数据加以表述.Python中含有3个模块提供这样的功能,分别是cProfile, profile和ps ...
- 如何在Python中使用Linux epoll
如何在Python中使用Linux epoll 内容 介绍 阻塞套接字编程示例 异步套接字和Linux epoll的好处 epoll的异步套接字编程示例 性能考量 源代码 介绍 从2.6版开始,Pyt ...
- Python下调用Linux的Shell命令
有时候难免需要直接调用Shell命令来完成一些比较简单的操作,比如mount一个文件系统之类的.那么我们使用Python如何调用Linux的Shell命令?下面来介绍几种常用的方法: 1. os 模块 ...
随机推荐
- 657. Judge Route Circle机器人能否返回
［抄题］: Initially, there is a Robot at position (0, 0). Given a sequence of its moves, judge if this r ...
- Mule ESB 安装基本配置要求
Hardware Requirements* 2GHz, dual-core CPU, or 2 virtual CPUs in virtualized environments 2GB of RAM ...
- 19-字符切割函数c++模板
https://www.cnblogs.com/stonebloom-yu/p/6542756.html #include <cstring> #include <cstdio> ...
- Shiro 集成Spring 使用 redis时 使用redisTemplate替代jedisPool（五）
1.添加依赖架包: <dependency> <groupId>org.springframework.data</groupId> <artifactId& ...
- 相机IMU融合四部曲（三）:MSF详细解读与使用
相机IMU融合四部曲(三):MSF详细解读与使用 极品巧克力 前言 通过前两篇文章,<D-LG-EKF详细解读>和<误差状态四元数详细解读>,已经把相机和IMU融合的理论全部都 ...
- Openssl pkcs7命令
一.简介 pkcs7命令用于处理DER或者PEM格式的pkcs#7文件. 二.语法 openssl pkcs7 [-inform PEM|DER] [-outform PEM|DER] [-in ...
- [C++] Type Conversion（类型转换）
Type Conversion(类型转换) Two kinds of type conversion explict type conversion(显式类型转换) impict type conve ...
- It's not too late to start!
It's not too late to start! 以此鼓励,希望能坚持下去,一个半路自学PHP的准PHPer!
- CMDB和运维自动化
IT运维,指的是对已经搭建好的网络,软件,硬件进行维护.运维领域也是有细分的,有硬件运维和软件运维 硬件运维主要包括对基础设施的运维,比如机房的设备,主机的硬盘,内存这些物理设备的维护 软件运维主要包 ...
- MVC4 WebAPI(一)(转)
出处:http://www.cnblogs.com/wk1234/archive/2012/04/28/2468491.html 不管是因为什么原因,结果是在新出的MVC中,增加了WebAPI,用于提 ...