cprofile是python最可靠的性能分析工具，可精确统计函数调用次数、总耗时和内部耗时；通过命令行运行生成.prof文件，再用pstats按cumulative或tottime排序分析瓶颈，注意过滤非项目代码、识别i/o伪低耗时及高频调用累积效应。

cProfile 是 Python 内置最可靠的性能分析工具，它能精确统计每个函数的调用次数、总耗时和内部耗时。直接用它跑一次，print_stats() 输出里排在最上面的函数，基本就是你要优化的瓶颈点。

怎么启动 cProfile 并生成可读报告

别写装饰器或手动插桩，最稳的方式是命令行直接运行：

python -m cProfile -o profile_output.prof your_script.py

这会生成二进制文件 profile_output.prof。后续想反复查看或排序，就用 pstats 加载：

python -c "import pstats; p = pstats.Stats('profile_output.prof'); p.sort_stats('cumulative').print_stats(20)"

• sort_stats('cumulative') 按累计时间（含子调用）排序，适合找顶层入口瓶颈
• sort_stats('tottime') 按纯函数自身耗时排序，适合找计算密集型热点
• print_stats(20) 只显示前 20 行，避免刷屏

为什么 print_stats() 默认输出容易误导

直接调 p.print_stats() 会按函数名字母序输出，根本看不出耗时分布。更糟的是，built-in method 或 <method of objects></method> 这类底层调用常排前面，但它们通常不是你该改的代码——那是 Python 自己干的活。

Shadows Python Sensei

Python 最佳实践助手——代码规范、设计模式、性能优化、测试与类型注解。适用于编写或审查 Python 代码。

下载

真正要盯的是你自己的模块路径，比如 my_module.py:42:process_data 这种格式。确保排序后重点看 filename:line:function 三元组里属于你项目源码的部分。

• 用 p.filter_files('my_module\.py') 可先过滤掉标准库和第三方包
• p.print_callers('process_data') 能查清谁在频繁调用这个函数
• 如果看到大量 <string>:1:<lambda></lambda></string>，说明匿名函数被高频使用，可能值得提取成命名函数便于定位

常见陷阱：time.sleep() 和 I/O 会扭曲 tottime 统计

cProfile 统计的是 CPU 时间，不是挂钟时间。所以 time.sleep(5)、requests.get()、open().read() 这些阻塞操作，在 tottime 里几乎不占时间，但实际拖慢了整个程序。

• 若怀疑是 I/O 瓶颈，改用 line_profiler（需 pip install）逐行看等待耗时
• 或者用 p.sort_stats('cumulative') 查看调用栈顶部函数的 cumtime —— 它包含子调用的全部时间，sleep 和网络请求的延迟会体现在父函数的 cumulative 时间里
• 注意：多线程下 cProfile 默认只跟踪主线程，要用 threading.setprofile() 才能捕获其他线程，但开销极大，慎用

真正卡住的往往不是单个函数，而是某个函数被调用了几千次，每次只慢几毫秒，加起来却占了 80% 时间。盯住 ncalls 列和 cumtime 的比值，比单纯看 tottime 更能暴露问题根源。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！