Python 中如何做性能分析（Profile）？

用内置的 cProfile 模块：python -m cProfile myscript.py 就能输出每个函数的调用次数和耗时，找出性能瓶颈。需要逐行分析用第三方库 line_profiler。

方法一：命令行运行

python -m cProfile myscript.py

输出示例：

1007 function calls in 0.061 CPU seconds

Ordered by: standard name
ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1    0.000    0.000    0.061    0.061 myscript.py:1(<module>)
   500    0.045    0.000    0.045    0.000 myscript.py:10(process)
     ...

• ncalls：调用次数
• tottime：该函数自身耗时（不含子调用）
• cumtime：累计耗时（含子调用）

方法二：代码中调用

import cProfile

cProfile.run('my_function()')

方法三：保存结果后用 pstats 排序

import cProfile
import pstats

cProfile.run('my_function()', 'profile_stats')

p = pstats.Stats('profile_stats')
p.sort_stats('cumulative').print_stats(20)   # 按累计耗时排前 20
p.sort_stats('time').print_stats(20)         # 按自身耗时排前 20

逐行分析：line_profiler

pip install line_profiler

在要分析的函数上加 @profile 装饰器，然后：

kernprof -l -v myscript.py

观测云对照

生产环境的性能分析不适合用 cProfile（开销大且只在单次运行时有效）。观测云 APM 通过 Java/Python/Go 探针持续监控每个接口的响应时间和方法级耗时，火焰图直观展示瓶颈，适合生产环境长期使用。

常见问题（FAQ）

Q：cProfile 会影响程序性能吗？
A：会。cProfile 会在每个函数调用时记录统计信息，总体增加约 10%-30% 的开销。只用于开发和测试。

Q：cProfile 和 timeit 有什么区别？
A：cProfile 告诉你哪里慢（哪些函数耗时多），timeit 告诉你有多快（精确测量某段代码的执行时间）。先用 cProfile 找瓶颈，再用 timeit 精确对比优化效果。

Q：如何可视化 cProfile 结果？
A：用 snakeviz 或 gprof2dot 将结果转为交互式图表，更直观。