帕累托法則無處不在，它說：

“在大多數(shù)情況下，80%的結(jié)果來自于20%的原因?！?/p>

作為一名程序員，當(dāng)代碼運(yùn)行速度不盡如人意時(shí)，就需要花費(fèi)大量時(shí)間對代碼進(jìn)行相應(yīng)的重構(gòu)。但在許多情況下，所得到的速度提升并不值得花費(fèi)的精力。

Python標(biāo)準(zhǔn)庫已經(jīng)提供了性能分析所需的工具，即cProfile。本文將向你展示如何使用cProfile，以可視化的方式快速識別代碼中哪些部分計(jì)算開銷最高，并且應(yīng)該優(yōu)先進(jìn)行優(yōu)化。

安裝

cProfile

cProfile是我們將用來測量代碼的各個(gè)部分所需時(shí)間的工具，它是Python標(biāo)準(zhǔn)庫的一部分，因此無需安裝。

QCachegrind

QCachegrind將負(fù)責(zé)可視化cProfile的輸出結(jié)果，將能夠快速觀察到性能瓶頸所在。

MacOS 用戶

請檢查你是否已經(jīng)安裝了Homebrew。如果沒有安裝，請使用以下命令進(jìn)行安裝：

ruby -e “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" < /dev/null 2> /dev/null

然后你可以安裝QCachegrind

brew install qcachegrind

其他用戶

對于其他操作系統(tǒng)的用戶，推薦Pyprof2calltree工具。

Pyprof2calltree

Pyprof2calltree將使用cProfile收集的分析數(shù)據(jù)轉(zhuǎn)換為QCachegrind可以讀取的格式。

安裝方法如下：

pip install pyprof2calltree

方法

完成安裝后，進(jìn)入包含Python腳本的文件夾。

包含要優(yōu)化的腳本的文件夾

測量

我們使用cProfile來測量腳本不同部分的運(yùn)行時(shí)間，并將結(jié)果保存在一個(gè)名為medium_example.profile的文件中（可以選擇使用任何名稱，只要它是.profile文件）：

python -m cProfile -o medium_example.profile 1_generate_ML_data.py

正如你所看到的，medium_example.profile文件已添加到文件夾中：

該文件包含了運(yùn)行腳本中所涉及的不同函數(shù)的運(yùn)行時(shí)間。

可視化

現(xiàn)在，我們可以將cProfile的測量結(jié)果可視化：

pyprof2calltree -k -i medium_example.profile

QCachegrind的用戶界面包含了與所有相關(guān)函數(shù)的執(zhí)行時(shí)間有關(guān)的信息：紅色的是“Flat Profile”（左側(cè)），藍(lán)色的是“Callers”（右上方），綠色的是“Callees”（右下方）。

這個(gè)用戶界面展示的內(nèi)容較多。接下來本文會(huì)逐一解釋所有這些內(nèi)容的含義。

• “Flat Profile” 面板出現(xiàn)在左側(cè)，按時(shí)間消耗的降序排列提供了完整的函數(shù)調(diào)用列表?！癐ncl.” 列顯示每個(gè)函數(shù)消耗的總時(shí)間，考慮到其被調(diào)用者花費(fèi)的時(shí)間。
• “Self” 列顯示僅在函數(shù)本身內(nèi)部花費(fèi)的時(shí)間，不包括其被調(diào)用者花費(fèi)的時(shí)間。
• “Called” 列顯示函數(shù)被調(diào)用的次數(shù)，而“Function” 列則顯示函數(shù)的名稱，包括其命名空間。
• “Callers” 面板（右上方）顯示調(diào)用所選函數(shù)的函數(shù)列表，以及在每個(gè)調(diào)用者函數(shù)中花費(fèi)的時(shí)間。
• 另一方面，“Callees” 面板（右下方）顯示由所選函數(shù)調(diào)用的函數(shù)列表，以及每個(gè)被調(diào)用者函數(shù)中花費(fèi)的時(shí)間。通過優(yōu)化這些被調(diào)用者函數(shù)，你可以提高所選函數(shù)的性能。

現(xiàn)在你知道如何解讀用戶界面，接下來展示如何使用它來找到性能瓶頸。

利用QCachegrind用戶界面識別性能瓶頸

在“Flat Profile”面板的搜索欄中，輸入builtins.exec，然后選擇函數(shù)<Built-in method builtins.exec>。

在“Callees”面板中，選擇應(yīng)該占用所有（~100%）的執(zhí)行時(shí)間的第一個(gè)函數(shù)。它是你之前執(zhí)行的腳本的入口點(diǎn)。

然后，該函數(shù)會(huì)被移到“Callers”面板上，并刷新“Callees”面板顯示其中調(diào)用的函數(shù)。

在本示例中，96.52%的執(zhí)行時(shí)間來自函數(shù)generate_all_season_games_features。

如果想再深入一級，可以選擇該函數(shù)。它再次被移到“Callers”面板上，而“Callees”面板則顯示了被調(diào)用的函數(shù)。

看起來，42.73%的執(zhí)行時(shí)間來自于generate_results_hometeam_current_season，而42.57%的執(zhí)行時(shí)間來自于generate_resukts_awayteam_current_season。

由于它們對速度的影響相同，我可以選擇處理其中的任意一個(gè)函數(shù)。

或者，如果需要的話，可以更深入地調(diào)查一級。

優(yōu)化

建議從優(yōu)化耗時(shí)最長的函數(shù)開始。所需的重構(gòu)對代碼來說將是非常具體的。以下是一些典型優(yōu)化的示例：

• 將嵌套的for循環(huán)轉(zhuǎn)換為單個(gè)for循環(huán)。
• 實(shí)現(xiàn)多進(jìn)程。
• 使用向量化。

重復(fù)進(jìn)行

當(dāng)應(yīng)用了第一個(gè)優(yōu)化后，可以根據(jù)實(shí)際需要多次進(jìn)行測量-可視化-優(yōu)化周期，以達(dá)到符合要求的總運(yùn)行時(shí)間。

結(jié)論

當(dāng)涉及到優(yōu)化代碼時(shí)，遵循數(shù)據(jù)驅(qū)動(dòng)的方法，能確保在不進(jìn)行太多猜測和浪費(fèi)時(shí)間的情況下，取得快速進(jìn)展。