一个python 服务器程序性能分析

该服务器为bono，启动11个进程。

1.设置cprofile

在启动服务的总入口设置cprofile

if __name__=="__main__":

    import cProfile

    cProfile.run('main()','bono.profile')

使用命令行中的time运行

$time python xxx.py   ###

服务一直运行，等待几秒后，停止服务，在命令行中显示：　　分析等待时间为16.793(17.709-0.792-0.124) ;内核运行时间为0.124 ；用户态运行时间 0.792

real    0m17.709s

user    0m0.792s

sys    0m0.124s

使用runsnake分析profile文件：按照local(本函数执行时间不包括子函数)排序

　　其中time.sleep大概为16.95秒，跟time命令分析相近；为服务主动休眠时间。

　　列名含义：调用次数，相对调用次数，本地执行时间，平均本地执行时间，总执行时间，平均每次执行执行，文件名，行名，目录名

　　点击左侧的行，在右侧可以展现这个函数里面的内部的调用以及花费时间。面积即时间大小。

在使用time启动程序的时候，找到相应的进程，使用top监控程序。记录top各个进程的时间状态，停止程序，显示time计时。

$top -p N1，N2，N3 ...###N1，N2，N3等都是该进程组下面的进程

获取top的time数值，发现将所有进程的time数值相加= user态+sys态的时间和。

这是证明，time的3个值 real，user，sys

sys是多个进程的系统态运行时间的累加和

user是多个进程的用户态运行时间的累加和

real经过启动到停止之间的时间段，并非将每个进程累加。

　　判断程序类型：是IO密集型还是计算密集型

　　　　根据time计时，程序cpu利用时间并不高，因此可以判断是io密集型

　　优化程序时间

　　　　根据runsnake，对本地调用时间(call字段)，进行排序，可以找到调用最费时的代码

　　优化内存使用:

　　　　在top中记录了虚拟内存与驻留内存，也可以在top中观察代码段内存，以及数据段内存