ai-infra-interview-305

第 280 题：Python代码的性能优化？cProfile、line_profiler？

题目

Python代码的性能优化？cProfile、line_profiler？

---

完整讲解

一、性能优化思路

先定位热点再优化：用 profiler 找耗时函数与调用关系，避免盲目改。常见瓶颈：循环内重复计算、过多小对象分配、IO、算法复杂度。优化手段：算法与数据结构、减少分配、局部用 C 扩展（Cython/pybind11）、并发/异步等。

二、cProfile 使用

cProfile（标准库）：cProfile.run('func()') 或 python -m cProfile script.py，输出各函数调用次数与累计时间。按 cumulative 看「含子调用」总时间、按 tottime 看「不含子调用」自身时间；可 pstats.Stats 做排序、过滤。适合找「谁在耗时间」。

三、line_profiler 使用

line_profiler：逐行统计耗时，需对目标函数加 @profile 装饰器，用 kernprof -l -v script.py 运行，得到每行命中次数与耗时。适合在已知热点函数内进一步定位到具体行。二者结合：cProfile 定函数、line_profiler 定行。

---

面试要点

• 先 profiling 再优化；cProfile 看函数级、line_profiler 看行级。
• cProfile：run() 或 -m cProfile；看 cumtime/tottime；pstats 排序过滤。
• line_profiler：@profile + kernprof -l -v；得每行命中与耗时。
• 结合使用：cProfile 找热点函数，line_profiler 找热点行。

---

记忆要点

1. cProfile = 函数级统计；cumtime/tottime；找热点函数。
2. line_profiler = 行级；@profile + kernprof；找热点行。
3. 先测再优；算法与数据结构优先，再考虑 C 扩展与并发。

返回模块

返回总览