一、前言

程序的性能也是非常關鍵的指標，很多時候你的代碼跑的快，更能夠體現你的技術。最近發現很多小伙伴在性能分析的過程中都是手動打印運行時間的方式來統計代碼耗時的：

import datetime
start=datetime.datetime.now()
b=[i for i in range(10000000)]  # 生成長度為一千萬的列表
end=datetime.datetime.now()
print(end-start)

輸出結果

0:00:00.377766

這種方法使用很快捷，但需要統計每行代碼的執行時間，生成可視化的報告等更完善的性能分析時就有點力不從心了。這個時候可以使用python的第三方庫Pyinstrument來進行性能分析。

二、Pyinstrument使用

Pyinstrument 是一個 Python 分析器。分析器是一種幫助您優化代碼的工具 - 使其更快。要獲得最大的速度提升。
Pyinstrument 官方文檔：pyinstrument

Pyinstrument 安裝:

pip install pyinstrument

1. 舉例

對于最開始我們舉的例子，使用Pyinstrument實現的代碼如下：

文末添加個人VX，獲取資料和免費答疑

from pyinstrument import Profiler
profiler=Profiler()
profiler.start()
b=[i for i in range(10000000)]# 生成長度為一千萬的列表
profiler.stop()
profiler.print()

輸出結果

? _ ? ? ._ ? __/__ ? _ _ ?_ ?_ _/_ ? Recorded: 10:39:54 ?Samples: ?1
?/_//_/// /_\ / //_// / //_'/ // ? ? Duration: 0.385 ? ? CPU time: 0.391
/ ? _/ ? ? ? ? ? ? ? ? ? ? ?v4.1.1
Program: D:/code/server/aitestdemo/test2.py
0.385 <module> ?test2.py:2 ?#執行總耗時
└─ 0.385 <listcomp> ?test2.py:7 #單行代碼耗時

打印的信息包含了記錄時間、線程數、總耗時、單行代碼耗時、CPU執行時間等信息。

在多行代碼分析的情況下的使用效果（分別統計生成一千萬長度、一億長度、兩億長度的列表耗時）：

from pyinstrument import Profiler

profiler = Profiler()
profiler.start()
a = [i for i in range(10000000)]  # 生成長度為一千萬的列表
b = [i for i in range(100000000)]  # 生成長度為一億的列表
c = [i for i in range(200000000)]  # 生成長度為十億的列表
profiler.stop()
profiler.print()

輸出結果

Program: D:/code/server/aitestdemo/test2.py
16.686 <module> ?test2.py:1
├─ 12.178 <listcomp> ?test2.py:9
├─ 4.147 <listcomp> ?test2.py:8
└─ 0.358 <listcomp> ?test2.py:7

2. Pyinstrument分析django代碼

使用Pyinstrument分析 Django 代碼非常簡單，只需要在 Django 的配置文件settings.py的 MIDDLEWARE 中添加如下配置：

MIDDLEWARE = [
	...
    'pyinstrument.middleware.ProfilerMiddleware',
	...
]

然后就可以在 url 上加一個參數 profile 就可以：

Pyinstrument還支持flask、異步代碼的性能分析，具體可以查看官方文檔進行學習。
Pyinstrument也提供了豐富的api供我們使用，官網文檔有詳細的介紹：https://pyinstrument.readthedocs.io/en/latest/reference.html

三、Pyinstrument與cProfile（python自帶性能分析器）的不同

根據官方文檔的描述來看，Pyinstrument的系統開銷會比cProfile 這類跟蹤分析器小很多，cProfile由于大量調用探查器，可能會扭曲測試結果：

總結