Cython--Python和Cython代碼的性能分析(二)

Profile tutorial–性能分析

參考: http://docs.cython.org/en/latest/src/tutorial/profiling_tutorial.html
github代碼: https://github.com/chenyangMl/cython-pro/tree/master/Profile

性能分析:指通過性能測試報告對所寫代碼進行整體和局部(函數)的運行效率分析，爲後續的性能優化提供決策支持。

1. 純python的性能分析

分析案例:

• 1 自己寫的python代碼文件calc_pi.py

  # calc_pi.py
  
  def recip_square(i):
      return 1. / i ** 2
  
  def approx_pi(n=10000000):
      val = 0.
      for k in range(1, n + 1):
          val += recip_square(k)
      return (6 * val) ** .5
  

• 2 編寫性能分析腳本python_profile.py

  # python_profile.py
  
  import pstats, cProfile
  
  import calc_pi
  
  cProfile.runctx("calc_pi.approx_pi()", globals(), locals(), "Profile.prof")
  
  s = pstats.Stats("Profile.prof")
  s.strip_dirs().sort_stats("time").print_stats()
  

  運行性能分析腳步，結果如下:

           10000004 function calls in 3.361 seconds
  
     Ordered by: internal time
  
     ncalls  tottime  percall  cumtime  percall filename:lineno(function)
   10000000    2.439    0.000    2.439    0.000 calc_pi.py:3(recip_square)
          1    0.922    0.922    3.361    3.361 calc_pi.py:6(approx_pi)
          1    0.000    0.000    3.361    3.361 {built-in method builtins.exec}
          1    0.000    0.000    3.361    3.361 <string>:1(<module>)
          1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
  

Type	備註
ncalls	函數被調用的次數
tottime	函數內部消耗的總時間
percall	函數的平均調用時間，tottime/ncalls
cumtime	之前所有子函數消費時間的累計和
filename:lineno(function)	被分析函數所在文件名、行號、函數名。

2. Cython的性能分析

• 1、自己的Cython代碼,calc_pi.pyx文件

  # cython: profile=True
  
  # calc_pi.pyx
  
  def recip_square(int i):
      return 1. / i ** 2
  
  def approx_pi(int n=10000000):
      cdef double val = 0.
      cdef int k
      for k in range(1, n + 1):
          val += recip_square(k)
      return (6 * val) ** .5
  

  注意 上述第一行# cython: profile=True是顯示告訴Cython啓用分析，必須加上。

• 2、性能分析腳步cython_profile.py

  # cython_profile.py
  
  import pstats, cProfile
  
  import pyximport
  pyximport.install()
  
  import calc_pi
  
  cProfile.runctx("calc_pi.approx_pi()", globals(), locals(), "Profile.prof")
  
  s = pstats.Stats("Profile.prof")
  s.strip_dirs().sort_stats("time").print_stats()
  

  運行性能分析腳步,結果如下:

           10000004 function calls in 3.146 seconds
  
     Ordered by: internal time
  
     ncalls  tottime  percall  cumtime  percall filename:lineno(function)
   10000000    2.233    0.000    2.233    0.000 calc_pi.py:2(recip_square)
          1    0.914    0.914    3.146    3.146 calc_pi.py:5(approx_pi)
          1    0.000    0.000    3.146    3.146 {built-in methodcy builtins.exec}
          1    0.000    0.000    3.146    3.146 <string>:1(<module>)
          1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
  

  當需要cProfile.runctx進行傳參性能分析時，通過global或local將參數以字典的形式傳入。

  cProfile.runctx("calc_pi.approx_pi(n)", globals(), locals={"n":15000}, "Profile.prof")
  

• 3 基於性能分析內容進行代碼優化。

• 4 關閉對某個函數的性能分析，只需要在函數加一個@cython.profile(False)的裝飾器即可，如停止對函數recip_square的性能分析:

  cimport cython
  @cython.profile(False)
  def recip_square(int i):
      return 1. / i ** 2