python调试方法及性能调试

python pdb调试

---

python -m pdb myscript.py #注意这会重启myscript.py

可以在程序中这么设置断点：
import pdb; pdb.set_trace()

可以修改变量的值，但是要注意，前面加上！比如要修改final的值，应该这样!final="newvalue"

支持的命令：
    p 打印变量
    n next
    step 细点运行
    c continue
    l list
    a args 打印当前函数的参数
    condition bpnumber [condition]
    clear/disable/enable 清除/禁用/使能断点
    q quit

python profiler性能分析

---

一种方法：

if __name__ == "__main__":

       import profile

       profile.run("foo()")

另一种命令行方法：python -m profile prof1.py

 

profile的统计结果分为ncalls, tottime, percall, cumtime, percall, filename:lineno(function)等若干列：

ncalls	函数的被调用次数
tottime	函数总计运行时间，除去函数中调用的函数运行时间
percall	函数运行一次的平均时间，等于 tottime/ncalls
cumtime	函数总计运行时间，含调用的函数运行时间
percall	函数运行一次的平均时间，等于 cumtime/ncalls
filename:lineno(function)	函数所在的文件名，函数的行号，函数名

 

用pstats自定义报表

       profile解 决了我们的一个需求，还有一个需求：以多种形式查看输出，我们可以通过 profile的另一个类Stats来解决。在这里我们需要引入一个模块pstats，它定义了一个类Stats，Stats的构造函数接受一个参数—— 就是profile的输出文件的文件名。Stats提供了对profile输出结果进行排序、输出控制等功能，如我们把前文的程序改为如下：

# … 略 if __name__ == "__main__":        import profile        profile.run("foo()", "prof.txt")        import pstats        p = pstats.Stats("prof.txt")        p.sort_stats("time").print_stats()

引入pstats之后，将profile的输出按函数占用的时间排序

 

Stats有若干个函数，这些函数组合能给我们输出不同的profile报表，功能非常强大。下面简单地介绍一下这些函数：

strip_dirs()	用以除去文件名前名的路径信息。
add(filename,[…])	把 profile 的输出文件加入 Stats 实例中统计
dump_stats(filename)	把 Stats 的统计结果保存到文件
sort_stats(key,[…])	最重要的一个函数，用以排序 profile 的输出
reverse_order()	把 Stats 实例里的数据反序重排
print_stats([restriction,…])	把 Stats 报表输出到 stdout
print_callers([restriction,…])	输出调用了指定的函数的函数的相关信息
print_callees([restriction,…])	输出指定的函数调用过的函数的相关信息

这里最重要的函数就是sort_stats和print_stats，通过这两个函数我们几乎可以用适当的形式浏览所有的信息了，下面来详细介绍一下。

sort_stats() 接受一个或者多个字符串参数，如”time”、”name” 等，表明要根据哪一列来排序，这相当有用，例如我们可以通过用time为key来排序得知最消耗时间的函数，也可以通过cumtime来排序，获知总消耗 时间最多的函数，这样我们优化的时候就有了针对性，也就事半功倍了。sort_stats可接受的参数如下：

‘ncalls’	被调用次数
‘cumulative’	函数运行的总时间
‘file’	文件名
‘module’	文件名
‘pcalls’	简单调用统计（兼容旧版，未统计递归调用）
‘line’	行号
‘name’	函数名
‘nfl’	Name/file/line
‘stdname’	标准函数名
‘time’	函数内部运行时间（不计调用子函数的时间）

        另一个相当重要的函数就是print_stats——用以根据最后一次调用sort_stats之后得到的报表。

 

cProfile

---

python -m cProfile -s time test.py

 

timeit

---

如果我们某天心血来潮，想要向list里append一个元素需要多少时间或者想知道抛出一个异常要多少时间，那使用profile就好像用牛刀杀鸡了。这时候我们更好的选择是timeit模块。

timeit除了有非常友好的编程接口，也同样提供了友好的命令行接口。首先来看看编程接口。timeit模块包含一个类Timer，它的构造函数是这样的：

class Timer( [stmt='pass' [, setup='pass' [, timer=<timer function>]]])

stmt参数是字符串形式的一个代码段，这个代码段将被评测运行时间；setup参数用以设置stmt的运行环境；timer可以由用户使用自定义精度的计时函数。

     

 timeit.Timer有三个成员函数，下面简单介绍一下：

timeit( [number=1000000])

timeit()执行一次Timer构造函数中的setup语句之后，就重复执行number次stmt语句，然后返回总计运行消耗的时间。

repeat( [repeat=3 [, number=1000000]])

repeat()函数以number为参数调用timeit函数repeat次，并返回总计运行消耗的时间

print_exc( [file=None])

print_exc()函数用以代替标准的tracback，原因在于print_exc()会输出错行的源代码，如：

>>> t = timeit.Timer("t = foo()/nprint t")         ß 被 timeit 的代码段 >>> t.timeit()   Traceback (most recent call last):  File "<pyshell#12>", line 1, in -toplevel-     t.timeit()  File "E:/Python23/lib/timeit.py", line 158, in timeit     return self.inner(it, self.timer)  File "<timeit-src>", line 6, in inner     foo()           ß 标准输出是这样的 NameError: global name 'foo' is not defined >>> try:        t.timeit() except:        t.print_exc()          Traceback (most recent call last):  File "<pyshell#17>", line 2, in ?  File "E:/Python23/lib/timeit.py", line 158, in timeit     return self.inner(it, self.timer)  File "<timeit-src>", line 6, in inner     t = foo()          ß print_exc() 的输出是这样的，方便定位错误 NameError: global name 'foo' is not defined

        除了可以使用timeit的编程接口外，我们也可以在命令行里使用timeit，非常方便：

python timeit.py [-n N] [-r N] [-s S] [-t] [-c] [-h] [statement ...]

其中参数的定义如下：

-n N/--number=N

       statement语句执行的次数

-r N/--repeat=N

        重复多少次调用timeit()，默认为3

-s S/--setup=S

        用以设置statement执行环境的语句，默认为”pass”

-t/--time

        计时函数，除了Windows平台外默认使用time.time()函数，

-c/--clock

        计时函数，Windows平台默认使用time.clock()函数

-v/--verbose

        输出更大精度的计时数值

-h/--help

        简单的使用帮助