十六、基准测试、性能分析和追踪

在对 CPython 进行更改时，你需要验证你的更改不会对性能产生显著的负面影响。你甚至可能想要改变 CPython 以提高性能。

你将在本章中学到一些性能分析的方法：

1. 使用 timeit 模块将一些简单的 Python 语句执行数千次，以确定执行速度的中间值；

2. 运行 pyperformance （一个 Python 基准测试套件）来比较多个 Python 版本；

3. 使用 cProfile 分析帧的执行时间；

4. 使用探针（probe）分析 CPython 的执行性能。

究竟选择哪种方案的取决于任务的类型：

• **基准测试（benchmark）**将输出固定代码片段运行时间的平均值或中间值，以便你去比较多个 Python 运行时；

• **性能分析器（profiler）**将生成一个带有执行时间的调用图，这样你就可以了解哪个函数的执行速度最慢。

性能分析器可以在 C 层级或 Python 层级使用。如果你正在分析使用 Python 编写的函数、模块或脚本，那么你需要使用 Python 性能分析器。如果你正在分析 CPython 中的 C 扩展模块或对 C 代码的修改，那么你需要使用 C 的性能分析器或组合使用 C 和 Python 的性能分析器。

以下是对一些可用工具的概括说明：

工具	类别	层级	支持的操作系统
timeit	基准测试	Python	所有操作系统
pyperformance	基准测试	Python	所有操作系统
cProfile	性能分析	Python	所有操作系统
DTrace	追踪/性能分析	C	Linux, macOS

重要：

在运行任何基准测试之前，最好关闭计算机上的所有应用程序，以便 CPU 可以专门用于基准测试。