vmprof python

حزمة VMProf بايثون

توجه إلى https://vmprof.readthedocs.org لمزيد من المعلومات!

تثبيت

 pip install vmprof
python -m vmprof <your program> <your program args>

يقوم نظام البناء الخاص بنا بشحن العجلات إلى PyPI (Linux وMac OS X). إذا قمت بالإنشاء من المصدر، فأنت بحاجة إلى تثبيت رؤوس تطوير CPython ورؤوس libunwind (على Linux فقط). على نظام التشغيل Windows، يعني هذا أنك بحاجة إلى برنامج Microsoft Visual C++ Compiler لإصدار Python الخاص بك.

تطوير

يمكن إجراء إعداد التطوير باستخدام الأوامر التالية:

 $ virtualenv -p /usr/bin/python3 vmprof3
$ source vmprof3/bin/activate
$ python setup.py develop

تحتاج إلى تثبيت حزم تطوير بايثون. في حالة Debian أو Ubuntu، فإن الحزمة التي تحتاجها هي python3-dev و libunwind-dev . حان الوقت الآن لكتابة اختبار وتنفيذ ميزتك. إذا كنت تريد أن تؤثر تغييراتك على vmprof.com، فانتقل إلى https://github.com/vmprof/vmprof-server واتبع تعليمات الإعداد.

راجع قسم التطوير لدينا على https://vmprof.readthedocs.org لمزيد من المعلومات.

com.vmprofshow

vmprofshow هي أداة سطر أوامر تأتي مع VMProf . يمكنه قراءة ملفات التعريف وإنتاج مخرجات منسقة.

فيما يلي مثال لكيفية استخدام vmprofshow :

قم بتشغيل هذا البرنامج الصغير الذي يحرق دورات وحدة المعالجة المركزية (مع تمكين vmprof):

$ pypy vmprof/test/cpuburn.py # you can find cpuburn.py in the vmprof-python repo

سيؤدي هذا إلى إنشاء ملف تعريف vmprof_cpuburn.dat . الآن قم بعرض ملف التعريف باستخدام vmprofshow . يحتوي vmprofshow على أوضاع متعددة لعرض البيانات. سنبدأ بالوضع القائم على الشجرة.

الإخراج القائم على الشجرة

$ vmprofshow vmprof_cpuburn.dat tree

سترى الإخراج (الملون):

$ vmprofshow vmprof_cpuburn.dat tree
100.0%  <module>  100.0%  tests/cpuburn.py:1
100.0% .. test  100.0%  tests/cpuburn.py:35
100.0% .... burn  100.0%  tests/cpuburn.py:26
 99.2% ...... _iterate  99.2%  tests/cpuburn.py:19
 97.7% ........ _iterate  98.5%  tests/cpuburn.py:19
 22.9% .......... _next_rand  23.5%  tests/cpuburn.py:14
 22.9% ............ JIT code  100.0%  0x7fa7dba57a10
 74.7% .......... JIT code  76.4%  0x7fa7dba57a10
  0.1% .......... JIT code  0.1%  0x7fa7dba583b0
  0.5% ........ _next_rand  0.5%  tests/cpuburn.py:14
  0.0% ........ JIT code  0.0%  0x7fa7dba583b0

يوجد أيضًا خيار --html لإصدار نفس المعلومات مثل HTML لعرضها في المتصفح. في هذه الحالة، يمكن توسيع فروع الشجرة وانهيارها بشكل تفاعلي.

الإخراج على أساس الخط

يدعم vmprof وضع تحديد مواصفات الخط، والذي يتيح جمع وعرض الإحصائيات الخاصة بالخطوط المنفصلة داخل الوظائف.

لتمكين مجموعة إحصائيات الأسطر، قم بإضافة وسيطة --lines إلى vmprof:

$ python -m vmprof --lines -o < output-file > < your program > < your program args >

أو قم بتمرير lines=True إلى الدالة vmprof.enable ، عند استدعاء vmprof من التعليمات البرمجية.

لرؤية إحصائيات الخط لجميع الوظائف، استخدم وضع lines في vmprofshow :

$ vmprofshow < output-file > lines

لرؤية إحصائيات السطر لوظيفة معينة، استخدم الوسيطة --filter مع اسم الوظيفة:

$ vmprofshow < output-file > lines --filter < function-name >

سترى النتيجة:

$ vmprofshow vmprof_cpuburn.dat lines --filter _next_rand
Total hits: 1170 s
File: tests/cpuburn.py
Function: _next_rand at line 14

Line #     Hits   % Hits  Line Contents
=======================================
    14       38      3.2      def _next_rand(self):
    15                            # http://rosettacode.org/wiki/Linear_congruential_generator
    16      835     71.4          self._rand = (1103515245 * self._rand + 12345) & 0x7fffffff
    17      297     25.4          return self._rand

إخراج "مسطح".

يحتوي vmprofshow أيضًا على الوضع flat .

في حين أن أنماط الإخراج المستندة إلى الشجرة والقائمة على الخط لـ vmprofshow توفر رؤية جيدة للمكان الذي يقضيه الوقت عند عرضه من "جذر" الرسم البياني للاتصال، فمن المستحسن أحيانًا الحصول على عرض من "الأوراق" بدلاً من ذلك. يعد هذا مفيدًا بشكل خاص عند وجود وظائف يتم استدعاؤها من أماكن متعددة، حيث لا يستهلك كل استدعاء الكثير من الوقت، ولكن جميع الاستدعاءات مجتمعة تصل إلى تكلفة كبيرة.

$ vmprofshow vmprof_cpuburn.dat flat                                                                                                                                                                                                                                                                                                                                                                                   andreask_work@dunkel 15:24
    28.895% - _PyFunction_Vectorcall:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/call.c:389
    18.076% - _iterate:cpuburn.py:20
    17.298% - _next_rand:cpuburn.py:15
     5.863% - <native symbol 0x563a5f4eea51>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/longobject.c:3707
     5.831% - PyObject_SetAttr:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/object.c:1031
     4.924% - <native symbol 0x563a5f43fc01>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:787
     4.762% - PyObject_GetAttr:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/object.c:931
     4.373% - <native symbol 0x563a5f457eb1>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:1071
     3.758% - PyNumber_Add:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:957
     3.110% - <native symbol 0x563a5f47c291>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/longobject.c:4848
     1.587% - PyNumber_Multiply:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:988
     1.166% - _PyObject_GetMethod:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/object.c:1139
     0.356% - <native symbol 0x563a5f4ed8f1>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/longobject.c:3432
     0.000% - <native symbol 0x7f0dce8cca80>:-:0
     0.000% - test:cpuburn.py:36
     0.000% - burn:cpuburn.py:27

في بعض الأحيان قد يكون من المرغوب فيه استبعاد الوظائف "الأصلية":

$ vmprofshow vmprof_cpuburn.dat flat --no-native                                                                                                                                                                                                                                                                                                                                                                       andreask_work@dunkel 15:27
    53.191% - _next_rand:cpuburn.py:15
    46.809% - _iterate:cpuburn.py:20
     0.000% - test:cpuburn.py:36
     0.000% - burn:cpuburn.py:27

لاحظ أن الإخراج يمثل الوقت المستغرق في كل وظيفة، باستثناء الوظائف التي تم استدعاؤها. (في الوضع --no-native ، يظل المتصلون بالرمز الأصلي مدرجين في الإجمالي.)

في بعض الأحيان قد يكون من المرغوب أيضًا الحصول على توقيتات تتضمن وظائف تسمى:

 $ vmprofshow vmprof_cpuburn.dat flat --include-callees                                                                                                                                                                                                                                                                                                                                                                 andreask_work@dunkel 15:31
   100.000% - <native symbol 0x7f0dce8cca80>:-:0
   100.000% - test:cpuburn.py:36
   100.000% - burn:cpuburn.py:27
   100.000% - _iterate:cpuburn.py:20
    53.191% - _next_rand:cpuburn.py:15
    28.895% - _PyFunction_Vectorcall:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/call.c:389
     7.807% - PyNumber_Multiply:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:988
     7.483% - <native symbol 0x563a5f457eb1>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:1071
     6.220% - <native symbol 0x563a5f4eea51>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/longobject.c:3707
     5.831% - PyObject_SetAttr:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/object.c:1031
     4.924% - <native symbol 0x563a5f43fc01>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:787
     4.762% - PyObject_GetAttr:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/object.c:931
     3.758% - PyNumber_Add:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/abstract.c:957
     3.110% - <native symbol 0x563a5f47c291>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/longobject.c:4848
     1.166% - _PyObject_GetMethod:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/object.c:1139
     0.356% - <native symbol 0x563a5f4ed8f1>:/home/conda/feedstock_root/build_artifacts/python-split_1608956461873/work/Objects/longobject.c:3432

هذا العرض مشابه تمامًا لعرض "الشجرة"، بدون التداخل.