cProfile可快速定位慢函数，核心看tottime字段；用python -m cProfile启动或代码中嵌入Profile()控制启停，配合pstats排序分析，但无法检测I/O、C扩展及多线程耗时。
怎么用 cProfile 快速定位慢函数
cProfile 是 Python 自带的确定性性能分析器，不用装额外包，适合快速抓出耗时最多的函数。它统计的是每个函数被调用次数、总耗时（tottime）、每次调用平均耗时（percall）以及累计耗时（cumtime）——真正要盯的是 tottime，它排除了子调用开销，反映函数自身逻辑的真实瓶颈。
最简启动方式：
python -m cProfile your_script.py
如果脚本需要参数，直接跟在后面即可；想把结果存成文件便于后续排序或过滤，加 -o：
python -m cProfile -o profile.out your_script.py
-
tottime高 ≠ 问题一定在该函数里，可能它调用了没 profile 到的 C 扩展（比如 NumPy 内部） - 避免在 Jupyter 中直接用
%prun分析整个 notebook：它会把所有 cell 合并统计，掩盖单个函数的真实上下文 - 若脚本启动快但某段逻辑慢（如处理特定输入），不要 profile 全流程，改用代码内嵌方式，只测关键段
如何在代码中精准 profile 某段逻辑
用 cProfile.Profile() 实例手动控制启停，比全局命令更灵活，尤其适合反复运行的函数或 Web 请求中的 handler。
立即学习“Python免费学习笔记（深入）”；
示例：
import cProfile import pstatsprofiler = cProfile.Profile() profiler.enable()
这里放你想测的代码，比如：
result = some_heavy_function(data)
profiler.disable() profiler.dump_stats("section.prof")
之后用 pstats 加载分析：
Magento是一套专业开源的PHP电子商务系统。Magento设计得非常灵活，具有模块化架构体系和丰富的功能。易于与第三方应用系统无缝集成。Magento开源网店系统的特点主要分以下几大类，网站管理促销和工具国际化支持SEO搜索引擎优化结账方式运输快递支付方式客户服务用户帐户目录管理目录浏览产品展示分析和报表Magento 1.6 主要包含以下新特性：•持久性购物 - 为不同的
stats = pstats.Stats("section.prof")
stats.sort_stats("tottime").print_stats(10)-
enable()和disable()必须成对出现，漏掉disable()会导致后续所有 Python 代码都被 profile，拖慢整体执行 - 不要在循环内部反复
enable()/disable()：开销本身会污染数据；应把整个循环包进去，再看单次迭代均值 -
dump_stats()的路径必须有写权限，且注意多进程下别多个 worker 写同一个文件，会覆盖
怎么看懂 pstats 输出里的关键字段
pstats 输出默认按调用顺序排，基本无意义。必须用 sort_stats() 排序，常用键有：
-
"tottime"：函数自身耗时（不含子调用），找“纯 Python 逻辑慢”的首选 -
"cumtime"：从进入该函数到返回的总时间（含所有子调用），适合查“谁拖累了整个调用链” -
"ncalls"：调用次数，配合tottime看是否高频小函数成了瓶颈（比如反复字符串拼接）
还可以过滤聚焦：
stats.filter_stats("my_module") # 只看某个模块
stats.print_stats("parse_") # 只打包含 parse_ 的函数注意：print_stats(10) 是打印前 10 行，不是“只统计 10 个函数”；如果想限制输出宽度，用 strip_dirs() 去掉完整路径，避免列宽溢出。
cProfile 的典型盲区和替代建议
cProfile 是函数级采样，对以下情况完全无能为力：
- I/O 等待（如
requests.get()、open()）会被记为函数自身耗时，但它实际卡在系统调用上，cProfile 看不出是网络慢还是磁盘慢 - C 扩展（如 Pandas、NumPy 大部分操作）只显示顶层 Python 调用，内部 C 循环不展开
- 多线程程序中，cProfile 默认只 profile 主线程，其他线程的函数调用不会被记录
遇到这些情况，得换工具：
- 查 I/O：用
strace -T -e trace=network,file your_program（Linux）或py-spy record -o profile.svg --pid $PID - 查 C 扩展内部：需编译 debug 版 Python + gdb，或用
perf（Linux）做底层采样 - 查多线程：加
threading.setprofile()配合自定义 profiler，或直接上py-spy（它基于 ptrace，天然支持多线程）
cProfile 不是万能的起点，但它是唯一无需额外依赖、能立刻告诉你“哪个函数在拖后腿”的工具——前提是，你清楚它不统计什么。
