在這篇文章中，我將討論一個(gè)工具，用以分析Python中CPU使用情況。CPU分析是通過(guò)分析CPU執(zhí)行代碼的方式來(lái)測(cè)量代碼的性能，以此找到代碼中的不妥之處，然后處理它們。接下來(lái)我們將看看如何跟蹤Python腳本使用時(shí)CPU使用情況，重點(diǎn)關(guān)注以下幾個(gè)方面：1、cProfile2、line_profiler3、pprofile4、vprof

測(cè)量CPU使用率對(duì)于這篇文章，我將主要使用與內(nèi)存分析中使用腳本相同的腳本，具體如下：

另外，請(qǐng)記住，在PyPy2中，您需要使用與之配合的pip版本：

并且其他依賴項(xiàng)也將被安裝：

cProfile在討論CPU分析時(shí)，最常用的工具之一是cProfile，主要是因?yàn)樗鼉?nèi)置在CPython2和PyPy2中。這是一個(gè)確定性的分析器，意味著在運(yùn)行程序時(shí)會(huì)收集一組統(tǒng)計(jì)數(shù)據(jù)，例如我們代碼的各個(gè)部分的執(zhí)行次數(shù)或執(zhí)行時(shí)間。此外，cProfile在系統(tǒng)上的開(kāi)銷(xiāo)比其他內(nèi)置的分析器（配置文件）要低。CPython2的用法很簡(jiǎn)單：

如果您使用PyPy2：

其輸出如下：

即使使用這個(gè)文本輸出，很容易看到我們的腳本多次調(diào)用了list.append方法。如果我們使用gprof2dot，我們可以以圖形的方式看到cProfile輸出。要使用它，我們必須首先安裝graphviz，之后是一些依賴包，最后在Ubuntu上使用如下命令：

再次運(yùn)行腳本：

我們得到以下output.png文件：

這樣更容易看到一切。我們來(lái)仔細(xì)看看它的輸出。您可以看到腳本中的函數(shù)調(diào)用如下：1、第一行：Python文件名，行號(hào)和方法名稱(chēng)2、第二行：代碼塊占用全部時(shí)間的百分比3、第三行：括號(hào)中，方法本身占全部時(shí)間的百分比4、第四行：調(diào)用函數(shù)的次數(shù)例如，在頂部的第三個(gè)紅色方塊中，方法primes占用了98.28％的時(shí)間，其中65.44％的內(nèi)容在其中進(jìn)行，調(diào)用了40次。其余的時(shí)間花在Python中的list.append（22.33％）和range（11.51％）中。作為一個(gè)簡(jiǎn)單的腳本，我們只需要重寫(xiě)我們的腳本，具體的如下所示：

如果我們使用CPython2測(cè)量我們腳本的時(shí)間，

還有PyPy2：

我們通過(guò)使用PyPy2的CPython2和3.1X獲得了不錯(cuò)的效果，下面是cProfile的調(diào)用流程圖：

您還可以以編程方式使用cProfile，例如：

這在某些情況下很有用，例如多進(jìn)程性能測(cè)量

line_profiler此分析器在行級(jí)提供關(guān)于工作負(fù)載的信息。它使用Cython在C中實(shí)現(xiàn)，并將其與cProfile進(jìn)行比較時(shí)發(fā)現(xiàn)其具有較小的開(kāi)銷(xiāo)。源代碼可以在這里找到，也可以在這里找到PyPI頁(yè)面。與cProfile相比，它具有一樣的開(kāi)銷(xiāo)，不過(guò)卻要花費(fèi)12倍的時(shí)間來(lái)獲取配置文件。要使用它，您需要先通過(guò)pip添加它：pip install pip install Cython ipython == 5.4.1 line_profiler（CPython2）。這個(gè)分析器的一個(gè)主要缺點(diǎn)是它不支持PyPy。就像使用memory_profiler一樣，您需要在要分析的函數(shù)中添加一個(gè)裝飾器。在我們的例子中，您需要在03.primes-v1.py中定義我們的primes函數(shù)之前添加@profile。然后調(diào)用它：

你將得到如下輸出：

我們看到，重復(fù)調(diào)用list.append的兩個(gè)循環(huán)花了最多的時(shí)間。

pprofile根據(jù)作者說(shuō)明，pprofile是一個(gè)“線程測(cè)量和統(tǒng)計(jì)的純python分析器”。它受到line_profiler的啟發(fā)，修復(fù)了很多缺點(diǎn)，但是由于它完全用Python編寫(xiě)，所以它也可以與PyPy成功使用。與cProfile相比，使用CPython時(shí)的分析時(shí)間要多28倍，而使用PyPy時(shí)，分析時(shí)間要多10倍，而且細(xì)節(jié)水平更加細(xì)化。我們也支持PyPy！除此之外，它支持剖析線程，這在各種情況下可能會(huì)很方便。要使用它，您需要先通過(guò)pip添加它：pip install pprofile（CPython2）/ pypy -m pip install pprofile（PyPy），然后調(diào)用它：

輸出與我們以前看到的不同，我們得到如下結(jié)果：

我們現(xiàn)在可以更詳細(xì)地看到一切。讓我們來(lái)看看輸出。您可以獲得腳本的整個(gè)輸出，并且在每行之前，您可以看到對(duì)其進(jìn)行的調(diào)用次數(shù)，運(yùn)行時(shí)間（秒），每次調(diào)用的時(shí)間和全局時(shí)間的百分比，pprofile為我們的輸出添加了額外的行（如第44和50行，以（call）開(kāi)頭）與累積指標(biāo)。再次，我們看到，重復(fù)調(diào)用list.append的兩個(gè)循環(huán)花了我們腳本中最多的時(shí)間。

vprofvprof是一個(gè)Python分析器，為各種Python程序特性（如運(yùn)行時(shí)間和內(nèi)存使用）提供豐富的交互式可視化。它是一個(gè)基于Node.JS的圖形化的顯示在網(wǎng)頁(yè)中的結(jié)果。使用它，您可以看到與Python腳本相關(guān)的以下一個(gè)或全部：1、CPU使用圖2、代碼分析3、內(nèi)存圖4、代碼熱圖要使用它，您需要先通過(guò)pip添加它：pip install vprof（CPython2）/ pypy -m pip install vprof（PyPy），然后調(diào)用它：在CPython2上，顯示代碼散熱圖（第一個(gè)調(diào)用如下）和代碼分析（下面的第二個(gè)調(diào)用）：

在PyPy上，顯示代碼散熱圖（第一個(gè)調(diào)用如下）和代碼分析（下面的第二個(gè)調(diào)用）：

在每種情況下，您將看到代碼散點(diǎn)圖的以下內(nèi)容

以及代碼分析的以下內(nèi)容。

結(jié)果以圖形方式看到，我們可以懸停鼠標(biāo)或單擊每行以獲取更多信息。再次，我們看到，重復(fù)調(diào)用list.append的兩個(gè)循環(huán)花了我們腳本中最多的時(shí)間。