返回专栏
专栏 ·

11.2 性能剖析工具链:使用 cProfile、line_profiler 与 memory_profiler 精准定位瓶颈

作者: 九路 共 12 章 · 48 小节

欢迎回到 HelloWorld 技术社区(www.helloworld.net) 《Python 现代开发实战》专栏。

性能优化的第一铁律:没有测量,就没有优化(Never guess, always measure)。80% 的耗时往往集中在不到 5% 的热点代码里。

# 1. 使用内置 cProfile 统计各函数调用次数与累计耗时,按累计时间排序输出前 15 名
uv run python -m cProfile -s tottime app.py | head -n 20

# 2. 推荐现代化火焰图分析工具 py-spy(无需修改代码,可直接挂载到正在运行的线上进程采样!)
uvx py-spy top --pid <线上进程PID>

💬 HelloWorld 社区实战打卡

为什么说在排查线上服务 CPU 飙升时,py-spy 这种采样剖析器(Sampling Profiler)比 cProfile 确定性剖析器更适合生产环境?带 #Python专栏打卡 留言!