pdb调试 & cProfile性能分析

1.调试和性能分析的主要场景

• 代码本身有问题，找到并修复
• 代码效率有问题，如过度浪费资源
• 开发新的future时，需要测试

2.用pdb调试

• 一般使用print()进行调试

我们一般使用print()直接在相应的代码段进行打印，这种方法只适用于小程序。每次代码的运行都很快，使用print()很方便。

不适用于大型程序，特别是一些需要反复运行调试、追溯上下文代码，才能找到错误根源的代码。调试效率极低。

• IDE内置的debug工具

如可以很方便地在程序中设置断点，待程序运行到相应的断点处，自动停下。然后一一查看各变量的值。

但，一般公司中，产品的开发与迭代，是多语言支持的，公司内部会开发许多接口将多语言结合起来。大部分时候，IDE对混合代码不支持断点调试功能。

• 如何使用pdb

官方文档：https://docs.python.org/3/library/pdb.html

3.用cProfile进行性能分析
官主文档：https://docs.python.org/3.7/library/profile.html

例如计算斐波拉契数列的例子：

import cProfile

def fib(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fib(n-1) + fib(n-2)

def fib_seq(n):
    res = []
    if n > 0:
        res.extend(fib_seq(n-1))
    res.append(fib(n))
    return res

cProfile('fib_seq(30)')

1)ncalls，相应代码/函数被调用次数

2)tottime，对应代码/函数总共执行所需要的时间（不包括它调用的其他代码/函数的执行时间）

3)tottime percall，即tottime/ncalls

4)cumtime，即对应代码/函数总共执行所需要的时间，（包括它调用其他代码/函数的执行时间）

5)cumtime percall，即cumtime/ncalls

据cProfile进行进行性能分析后，发现对fib函数的调用有700多万次，其实许多是重复的，可以用字典来保存计算过的结果，防止重复。改进后的代码如下：

import cProfile

def memoize(f):
    memo = {}
    def helper(x):
        if x not in memo:
            memo[x] = f(x)
        return memo[x]
    return helper

@memoize
def fib(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fib(n-1) + fib(n-2)
    
def fib_seq(n):
    res = []
    if n > 0:
        res.extend(fib_seq(n-1))
    res.append(fib(n))
    return res

cProfile.run('fib_seq(30)')