Python脚本分析CPU使用情况光环大数据培训.pdfVIP

光环大数据大数据培训知名品牌 Python 脚本分析CPU 使用情况_光环大数据培训 大数据培训哪家好_Python 脚本分析CPU 使用情况。光环大数据了解到，大数据越来越 火爆，市面上大数据培训鱼龙混杂，有 Java 大数据、PHP 大数据、数据库大数据等，但真 正大数据是 hadoop+spark+storm 技术，光环大数据的大数据培训讲授真正大数据技术，别 人不能讲的我们讲，别人能讲的我们讲得更深入。 在这篇文章中，我将讨论一个工具，用以分析Python 中CPU 使用情况。CPU 分析是通 过分析 CPU 执行代码的方式来测量代码的性能，以此找到代码中的不妥之处，然后处理它 们。 接下来我们将看看如何跟踪Python 脚本使用时CPU 使用情况，重点关注以下几个方面： 1、cProfile 2、line_profiler 3、pprofile 4 、vprof 测量CPU 使用率 对于这篇文章，我将主要使用与内存分析中使用脚本相同的脚本，具体如下： 光环大数据 光环大数据大数据培训知名品牌 cProfile 在讨论 CPU 分析时，最常用的工具之一是 cProfile，主要是因为它内置在CPython2 和 PyPy2 中。这是一个确定性的分析器，意味着在运行程序时会收集一组统计数据，例如我们 代码的各个部分的执行次数或执行时间。此外，cProfile 在系统上的开销比其他内置的分析 器（配置文件）要低。 光环大数据 光环大数据大数据培训知名品牌 其输出如下： 即使使用这个文本输出，很容易看到我们的脚本多次调用了list.append 方法。 如果我们使用gprof2dot ，我们可以以图形的方式看到cProfile 输出。要使用它，我们必 须首先安装graphviz，之后是一些依赖包，最后在Ubuntu 上使用如下命令： 我们得到以下output.png 文件： 光环大数据 光环大数据大数据培训知名品牌 这样更容易看到一切。我们来仔细看看它的输出。您可以看到脚本中的函数调用如下： 1、第一行：Python 文件名，行号和方法名称 2、第二行：代码块占用全部时间的百分比 3、第三行：括号中，方法本身占全部时间的百分比 4 、第四行：调用函数的次数 例如，在顶部的第三个红色方块中，方法 primes 占用了98.28 ％的时间，其中65.44 ％ 的内容在其中进行，调用了40 次。其余的时间花在Python 中的list.append（22.33 ％）和range （11.51％）中。 作为一个简单的脚本，我们只需要重写我们的脚本，具体的如下所示： 光环大数据 光环大数据大数据培训知名品牌 您还可以以编程方式使用cProfile，例如： 光环大数据 光环大数据大数据培训知名品牌 这在某些情况下很有用，例如多进程性能测量 line_profiler 此分析器在行级提供关于工作负载的信息。它使用Cython 在C 中实现，并将其与cProfile 进行比较时发现其具有较小的开销。 源代码可以在这里找到，也可以在这里找到PyPI 页面。与cProfile 相比，它具有一样的 开销，不过却要花费