# 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。