刘慈欣谈ChatGPT：人类的无能反而 刘慈欣谈ChatGPT：人类的无能反而
OpenAI 因使用“窃取”的个人数据 OpenAI 因使用“窃取”的个人数据
搜狐回应员工遭遇工资补助诈骗： 搜狐回应员工遭遇工资补助诈骗：

软件测试 > 测试技术 > 性能测试 >

Python性能分析指南(18)

发表于：2013-11-12来源：开源中国社区作者：袁不语点击数： 标签：性能测试
1 In [1]: from primes import primes 2 In [2]: %mprun -f primes primes(1000) 3 In [3]: %lprun -f primes primes(1000) 这样可以节省你很多时间和精力，因为你的源代码不需要为使用这
1 In [1]: from primes import primes
2 In [2]: %mprun -f primes primes(1000)
3 In [3]: %lprun -f primes primes(1000)

这样可以节省你很多时间和精力，因为你的源代码不需要为使用这些分析命令而进行修改。

 
 

内存泄漏在哪里？

cPython解释器使用引用计数做为记录内存使用的主要方法。这意味着每个对象包含一个计数器，当某处对该对象的引用被存储时计数器增加，当引用被删除时计数器递减。当计数器到达零时，cPython解释器就知道该对象不再被使用，所以删除对象，释放占用的内存。

如果程序中不再被使用的对象的引用一直被占有，那么就经常发生内存泄漏。

查找这种“内存泄漏”最快的方式是使用Marius Gedminas编写的objgraph，这是一个极好的工具。该工具允许你查看内存中对象的数量，定位含有该对象的引用的所有代码的位置。

  

一开始，首先安装objgraph:

view source print?
1 pip install objgraph
一旦你已经安装了这个工具，在你的代码中插入一行声明调用调试器：
view source print?
1 import pdb; pdb.set_trace()
最普遍的对象是哪些？

在运行的时候，你可以通过执行下述指令查看程序中前20个最普遍的对象：

view source

原文转自：http://www.oschina.net/translate/python-performance-analysis

相关文章

软件测试沙龙 More>>

新浪微博More>>

...

热门标签