程序运行耗时Profiler工具合集
通用类
Vtune（Intel）
简介
VTune是 Intel 提供性能分析软件，VTune Amplifier XE 2011 集成了Intel VTune Performance Analyzer 和 Thread Profiler的主要功能，同时吸取了Performance Tool Utility 这个产品的优点。
perf 看不到L3cache 等硬件特性，需要更强大的工具。
其中，Vtune Performance Analyzer是性能分析工具，找到软件性能热点、瓶颈部分；
Vtune Threading Profiler是线程性能检测工具 , 分析负载平衡、同步开销过大等线程相关的性能问题。
VTune Amplifier XE 可以指明在相关的硬件资源上应用程序的改善点，具体来说，使用该软件用户获取的信息主要有以下几点：
l 确定占用大量处理器时间的区域(热点)；
l 查看应用运行过程中的情况(通过检测绑定process)；
l 没有充分的有效利用可用的处理器时间的代码；
l 影响应用程序性能的同步对象；
l 应用程序是否浪费时间在输入输出操作上，在哪里浪费的，为何浪费；
l 对比不同的同步方法、不同的线程数量、不同的算法之间对性能的影响；
l 线程的活动状态和状态的转换；
l 代码中与硬件相关的性能瓶颈(如缓存缺失、分支预测失败等)；
官方安装地址：
https://www.intel.com/content/www/us/en/develop/documentation/vtune-install-guide/top.html
使用指南：
python代码分析指南
python代码分析指南：
视频教程：
C++代码分析指南
待定
本次在 WSL2 ubuntu20.04环境下进行python代码的性能测试。（如果是可执行文件就更简单了，直接输入地址就行）
我选择的是online安装，令人惊喜的是WSL2完美支持安装过程中的gui显示。
安装完了后source进行变量的配置，然后使用vtune-gui打开软件，在这过程中遇到了几个动态链接库缺失问题：libatk-1.0.so.0 以及 libcups.so.2以及libgtk-3.so.0
分别使用以下命令解决：（估计是WSL2会遇到这个问题）
sudo apt-get install -y libatk-bridge2.0-0
sudo apt-get install -y libcups2
sudo apt install -y libgtk-3-0 #如果这个不管用可以选择安装：sudo apt install -y libgtk-3-dev
sudo apt install -y libnss3-dev libgdk-pixbuf2.0-dev libgtk-3-dev libxss-dev
sudo apt install -y libasound2
即可成功进入主界面vtune-gui （如果进不去请先确保使用了source）
接下来选择 configure analysis 然后输入解释器地址以及对应的parameter（就是python文件的地址）
进去后 发现粒度还是太细，我想要代码和函数层面的信息，所以继续尝试其他东西。
CPU性能指标（其实这个应该看vtune更好一点
google perftools
https://www.cnblogs.com/GODYCA/archive/2013/05/28/3104281.html
python
cprofile
目前最推荐使用cprofile，标准库提供的工具，使用方法如下：
python -m cProfile -o out.prof my_test.py
产生的序列化文件可以通过一个叫做 snakeviz 的工具进行可视化，具体效果可参考：
官网：https://jiffyclub.github.io/snakeviz/
github：https://github.com/jiffyclub/snakeviz/
但是这个只适合 对大部分自己写的或者是完全自己实现的小模块进行测试，要做到更随心所欲的控制我自己写了一个工具，稳定后开源。
你只要pip install snakeviz，然后snakeviz out.prof就可以在产生的网页服务中查看python性能开销的火焰图了。
Heartrate
https://github.com/alexmojaki/heartrate
该库提供了Python程序执行的简单实时可视化：
左边的数字是每行被击中的次数。条形显示最近被击中的线条 - 更长的条形表示更多的点击，较浅的颜色意味着更近。
pip install --user heartrate
import heartrate
heartrate.trace(browser=True) # 是否打开浏览器
运行流程：
- 开始跟踪程序
- 在线程中启动服务器
- 打开一个浏览器窗口，显示被调用位置的文件的可视化效果。
trace()
trace仅跟踪调用它的线程。若要跟踪多个线程，必须在每个线程中调用它，每次使用不同的端口。
Pyheat
https://github.com/csurfer/pyheat
Profilers are extremely helpful tools. They help us dig deep into code, find and understand performance bottlenecks. But sometimes we just want to lay back, relax and still get a gist of the hot zones in our code.
A picture is worth a thousand words.
So, instead of presenting the data in tabular form, if presented as a heatmap visualization, it makes comprehending the time distribution in the given program much easier and quicker. That is exactly what is being done here !
line_profiler
PyInstrument也不错，但还是更喜欢 line_profiler
https://github.com/pyutils/line_profiler
https://zhuanlan.zhihu.com/p/88193562
可视化插件：【注意，只能在商业版上使用，无法在社区版上使用，且只有windows版本】
https://zhuanlan.zhihu.com/p/215302708
使用流程如下：
1、准备测试代码
import time
from line_profiler_pycharm import profile
@profile
def fun1(a, b):
print('fun1')
print(a, b)
time.sleep(1)
@profile
def fun2():
print('fun2')
time.sleep(1)
@profile
def fun3():
print('fun3')
time.sleep(2)
@profile
def fun4():
print('fun4')
time.sleep(1)
@profile
def fun5():
print('fun5')
time.sleep(1)
fun4()
fun1('foo', 'bar')
fun2()
fun3()
fun5()
2、pycharm上安装插件：
插件中搜索line_profiler_pycharm安装后重启即可
3、安装line_profiler和pycharm适配用库
pip install line_profiler
pip install line_profiler_pycharm
4、开始运行
然后就能看到详细的报告：
更详细的代码级的分析以及内存瓶颈分析可以参考：
https://zhuanlan.zhihu.com/p/392210020
https://blog.vicyu.com/2017/12/26/more-about-python-profiling/
案例参考：
https://www.cnblogs.com/dechinphy/p/line-profiler.html
c++
函数粒度直接使用 google benchmark
https://blog.vicyu.com/2017/12/26/more-about-python-profiling/
https://geek-docs.com/numpy/numpy-tutorials/parallelizing-a-numpy-vector-operation.html
其他工具
参考paddle lite
https://paddlelite.paddlepaddle.org.cn/user_guides/profiler.html
paddle lite支持的算子信息：
https://paddlelite.paddlepaddle.org.cn/user_guides/opt/opt_bin.html