高效能PYTHON程式設計

18

|

第二章

有時候，懶惰不是什麼壞事，透過先進行效能分析，你能夠迅速地識別出需要被解決的

瓶頸，於是，你可以解決恰恰足夠的問題，就能夠達成需要的效能。如果避開效能分

析，直接投入最佳化，那麼，長期下來，你很可能會做更多的工作。因此，遵循效能分

析的結果來做事，才是明智的選擇。

有效率地進行效能分析

效能分析的首要目標就是測試代表性系統，識別出執行緩慢（或者使用太多 RAM，或

造成太多磁碟 I/O 與網路 I/O）的部分。效能分析通常會增加系統負擔（拖慢 10 倍到

100 倍是很平常的），而且你還想要讓你的程式碼盡可能像在真實世界裡那樣被使用。擷

取出測試案例並且隔離你需要測試的系統零件，最好的情況是，它已經被撰寫在自己的

一群模組裡。

在本章中，首先被引進的基本技術包括 IPython 的

%timeit

魔法，

time.time()

，以及計

時裝飾器（timing decorator）。你可以利用這些技術瞭解陳述式與函式的行為。

接著，我們將探討

cProfile

（參見第 31 頁的〈使用 cProfile 模組〉），說明如何使用這

項內建工具，來瞭解你的程式碼裡花最長時間運行的函式有哪些，這會讓你掌握問題的

高階觀點，好讓你將注意力集中在關鍵的函式上。

接下來，我們會檢視

line_profiler

（參見第 37 頁的〈使用 line_profiler 進行一行一行

的量測〉），這會在一行一行的基礎上，針對你所選擇的函式進行效能分析，結果將包括

每一行被呼叫的次數，以及花在每一行的時間百分比。這正是理解哪個部分執行得最緩 ...