Los perfiladores de Python
En esta página
Los perfiladores de Python#
Código fuente: Lib/profile.py y Lib/pstats.py
======================================================================
Introducción a los perfiladores#
"cProfile" y "profile" proporcionan deterministic profiling de los programas de Python. profile es un conjunto de estadísticas que describe con qué frecuencia y durante cuánto tiempo se ejecutaron varias partes del programa. Estas estadísticas pueden formatearse en informes a través del módulo "pstats".
La biblioteca estándar de Python proporciona dos implementaciones diferentes de la misma interfaz de creación de perfiles:
-
"cProfile" se recomienda para la mayoría de los usuarios; Es una extensión C con una sobrecarga razonable que la hace adecuada para perfilar programas de larga duración. Basado en "lsprof", aportado por Brett Rosen y Ted Czotter.
-
"profile", un módulo Python puro cuya interfaz es imitada por "cProfile", pero que agrega una sobrecarga significativa a los programas perfilados. Si está intentando extender el generador de perfiles de alguna manera, la tarea podría ser más fácil con este módulo. Originalmente diseñado y escrito por Jim Roskind.
Nota:
Los módulos del generador de perfiles están diseñados para proporcionar un perfil de ejecución para un programa determinado, no para fines de evaluación comparativa (para eso, está "timeit" que permite obtener resultados razonablemente precisos). Esto se aplica particularmente a la evaluación comparativa del código Python contra el código C: los perfiladores introducen gastos generales para el código Python, pero no para las funciones de nivel C, por lo que el código C parecería más rápido que cualquier Python.
Manual instantáneo de usuario#
Esta sección se proporciona a los usuarios que "no quieren leer el manual". Proporciona una visión general muy breve y permite a un usuario realizar perfiles rápidamente en una aplicación existente.
Para perfilar una función que toma un solo argumento, puede hacer:
import cProfile import re cProfile.run('re.compile("foo|bar")')
(Use "profile" en lugar de "cProfile" si este último no está disponible en su sistema.)
La acción anterior ejecutaría "re.compile()" e imprime resultados de perfil como los siguientes:
214 function calls (207 primitive calls) in 0.002 seconds
Ordered by: cumulative time
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.002 0.002 {built-in method builtins.exec}
1 0.000 0.000 0.001 0.001
The first line indicates that 214 calls were monitored. Of those calls, 207 were primitive, meaning that the call was not induced via recursion. The next line: "Ordered by: cumulative time" indicates the output is sorted by the "cumtime" values. The column headings include:
ncalls por el número de llamadas.
tottime para el tiempo total empleado en la función dada (y excluyendo el tiempo realizado en llamadas a subfunciones)
percall es el cociente de "tottime" dividido por "ncalls"
cumtime es el tiempo acumulado empleado en esta y todas las subfunciones (desde la invocación hasta la salida). Esta cifra es precisa incluso para funciones recursivas.
percall es el cociente de "cumtime" dividido por llamadas primitivas
filename:lineno(function) proporciona los datos respectivos de cada función
Cuando hay dos números en la primera columna (por ejemplo, "3/1"), significa que la función se repite. El segundo valor es el número de llamadas primitivas y el primero es el número total de llamadas. Tenga en cuenta que cuando la función no se repite, estos dos valores son iguales y solo se imprime la figura.
En lugar de imprimir la salida al final de la ejecución del perfil, puede guardar los resultados en un archivo especificando un nombre de archivo en la función "run()":
import cProfile import re cProfile.run('re.compile("foo|bar")', 'restats')
La clase "pstats.Stats" lee los resultados del perfil desde un archivo y los formatea de varias maneras.
Los archivos "cProfile" y "profile" también se pueden invocar como un script para perfilar otro script. Por ejemplo:
python -m cProfile [-o output_file] [-s sort_order] (-m module | myscript.py)
-o
Writes the profile results to a file instead of to stdout.
-s
Specifies one of the "sort_stats()" sort values to sort the output by. This only applies when "-o" is not supplied.
-m
Specifies that a module is being profiled instead of a script.
Added in version 3.7: Se agregó la opción "-m" a "cProfile".
Added in version 3.8: Se agregó la opción "-m" a "profile".
Los módulos "pstats" clase "Stats" tienen una variedad de métodos para manipular e imprimir los datos guardados en un archivo de resultados de perfil:
import pstats from pstats import SortKey p = pstats.Stats('restats') p.strip_dirs().sort_stats(-1).print_stats()
El método "strip_dirs()" eliminó la ruta extraña de todos los nombres de módulos. El método "sort_stats()" clasificó todas las entradas de acuerdo con el módulo/línea/nombre de cadena de caracteres estándar que se imprime. El método "print_stats()" imprimió todas las estadísticas. Puede intentar las siguientes llamadas de clasificación:
p.sort_stats(SortKey.NAME) p.print_stats()
La primera llamada realmente ordenará la lista por nombre de función, y la segunda llamada imprimirá las estadísticas. Las siguientes son algunas llamadas interesantes para experimentar:
p.sort_stats(SortKey.CUMULATIVE).print_stats(10)
Esto ordena el perfil por tiempo acumulado en una función y luego solo imprime las diez líneas más significativas. Si desea comprender qué algoritmos están tomando tiempo, la línea anterior es lo que usaría.
Si estuviera buscando ver qué funciones se repetían mucho y toman mucho tiempo, usted haría:
p.sort_stats(SortKey.TIME).print_stats(10)
para ordenar según el tiempo dedicado a cada función y luego imprimir las estadísticas de las diez funciones principales.
También puedes probar:
p.sort_stats(SortKey.FILENAME).print_stats('init')
Esto ordenará todas las estadísticas por nombre de archivo y luego imprimirá estadísticas solo para los métodos de inicio de clase (ya que están escritos con "init" en ellos). Como último ejemplo, puedes probar:
p.sort_stats(SortKey.TIME, SortKey.CUMULATIVE).print_stats(.5, 'init')
Esta línea clasifica las estadísticas con una clave primaria de tiempo y una clave secundaria de tiempo acumulado, y luego imprime algunas de las estadísticas. Para ser específicos, la lista primero se reduce al 50% (re: ".5") de su tamaño original, luego solo se mantienen las líneas que contienen "`init" y se imprime esa sub-sublista.
Si se preguntó qué funciones denominaban las funciones anteriores, ahora podría ("p" todavía está ordenada según el último criterio) hacer:
p.print_callers(.5, 'init')
y obtendría una lista de llamadas para cada una de las funciones enumeradas.
Si desea más funcionalidad, tendrá que leer el manual o adivinar lo que hacen las siguientes funciones:
p.print_callees() p.add('restats')
Invocado como un script, el módulo "pstats" es un navegador de estadísticas para leer y examinar volcados de perfil. Tiene una interfaz simple orientada a la línea de comandos (implementada usando "cmd") y ayuda interactiva.
"profile" and "cProfile" Module Reference#
Both the "profile" and "cProfile" modules provide the following functions:
profile.run(command, filename=None, sort=-1)
Esta función toma un único argumento que se puede pasar a la función "exec()" y un nombre de archivo opcional. En todos los casos esta rutina ejecuta:
exec(command, __main__.__dict__, __main__.__dict__)
y recopila estadísticas de perfiles de la ejecución. Si no hay ningún nombre de archivo, esta función crea automáticamente una instancia de "Stats" e imprime un informe de perfil simple. Si se especifica el valor de clasificación, se pasa a esta instancia "Stats" para controlar cómo se ordenan los resultados.
profile.runctx(command, globals, locals, filename=None, sort=-1)
This function is similar to "run()", with added arguments to supply the globals and locals mappings for the command string. This routine executes:
exec(command, globals, locals)
y recopila estadísticas de perfiles como en la función "run()" anterior.
class profile.Profile(timer=None, timeunit=0.0, subcalls=True, builtins=True)
Esta clase normalmente solo es usada si se necesita un control más preciso sobre la creación de perfiles que el que proporciona la función "cProfile.run()".
Se puede suministrar un temporizador personalizado para medir cuánto tiempo tarda el código en ejecutarse mediante el argumento timer. Esta debe ser una función que retorna un solo número que representa la hora actual. Si el número es un entero, la timeunit especifica un multiplicador que especifica la duración de cada unidad de tiempo. Por ejemplo, si el temporizador retorna tiempos medidos en miles de segundos, la unidad de tiempo sería ".001".
El uso directo de la clase "Profile" permite formatear los resultados del perfil sin escribir los datos del perfil en un archivo:
import cProfile, pstats, io
from pstats import SortKey
pr = cProfile.Profile()
pr.enable()
# ... do something ...
pr.disable()
s = io.StringIO()
sortby = SortKey.CUMULATIVE
ps = pstats.Stats(pr, stream=s).sort_stats(sortby)
ps.print_stats()
print(s.getvalue())
The "Profile" class can also be used as a context manager (supported only in "cProfile" module. see Tipos gestores de contexto):
import cProfile
with cProfile.Profile() as pr:
# ... do something ...
pr.print_stats()
Distinto en la versión 3.8: Se agregó soporte de administrador de contexto.
enable()
Start collecting profiling data. Only in "cProfile".
disable()
Stop collecting profiling data. Only in "cProfile".
create_stats()
Deja de recopilar datos de perfiles y registre los resultados
internamente como el perfil actual.
print_stats(sort=-1)
Crea un objeto "Stats" en función del perfil actual e imprima
los resultados en *stdout*.
The *sort* parameter specifies the sorting order of the
displayed statistics. It accepts a single key or a tuple of keys
to enable multi-level sorting, as in "Stats.sort_stats".
Added in version 3.13: "print_stats()" now accepts a tuple of
keys.
dump_stats(filename)
Escribe los resultados del perfil actual en *filename*.
run(cmd)
Perfila el cmd a través de "exec()".
runctx(cmd, globals, locals)
Perfila el cmd a través de "exec()" con el entorno global y
local especificado.
runcall(func, /, args, *kwargs)
Perfila "func(*args, **kwargs)"
Tenga en cuenta que la creación de perfiles solo funcionará si el comando/función llamado realmente regresa. Si el intérprete se termina (por ejemplo, a través de una llamada a "sys.exit()" durante la ejecución del comando/función llamado) no se imprimirán resultados de generación de perfiles.
La clase "Stats"#
El análisis de los datos del generador de perfiles es realizado utilizando la clase "Stats".
class pstats.Stats(*filenames or profile, stream=sys.stdout)
Este constructor de clase crea una instancia de un "objeto de estadísticas" a partir de un filename (o una lista de nombres de archivo) o de una instancia "Profile". La salida se imprimirá en la secuencia especificada por stream.
El archivo seleccionado por el constructor anterior debe haber sido creado por la versión correspondiente de "profile" o "cProfile". Para ser específicos, no hay compatibilidad de archivos garantizada con futuras versiones de este generador de perfiles, y no hay compatibilidad con archivos producidos por otros perfiladores, o el mismo generador de perfiles ejecutado en un sistema operativo diferente. Si se proporcionan varios archivos, se combinarán todas las estadísticas para funciones idénticas, de modo que se pueda considerar una vista general de varios procesos en un solo informe. Si es necesario combinar archivos adicionales con datos en un objeto existente "Stats", se puede usar el método "add()".
En lugar de leer los datos del perfil de un archivo, se puede usar un objeto "cProfile.Profile" o "profile.Profile" como fuente de datos del perfil.
los objetos "Stats" tienen los siguientes métodos:
strip_dirs()
Este método para la clase "Stats" elimina toda la información de
ruta principal de los nombres de archivo. Es muy útil para
reducir el tamaño de la impresión para que quepa en (cerca de)
80 columnas. Este método modifica el objeto y se pierde la
información eliminada. Después de realizar una operación de
tira, se considera que el objeto tiene sus entradas en un orden
"aleatorio", como lo fue justo después de la inicialización y
carga del objeto. Si "strip_dirs()" hace que dos nombres de
funciones no se puedan distinguir (están en la misma línea del
mismo nombre de archivo y tienen el mismo nombre de función),
entonces las estadísticas para estas dos entradas se acumulan en
un sola entrada.
add(*filenames)
Este método de la clase "Stats" acumula información de perfil
adicional en el objeto de perfil actual. Sus argumentos deben
referirse a los nombres de archivo creados por la versión
correspondiente de "profile.run()" or "cProfile.run()". Las
estadísticas para funciones con nombre idéntico (re: archivo,
línea, nombre) se acumulan automáticamente en estadísticas de
función única.
dump_stats(filename)
Guarda los datos cargados en el objeto "Stats" en un archivo
llamado *filename*. El archivo se crea si no existe y se
sobrescribe si ya existe. Esto es equivalente al método del
mismo nombre en las clases: class "profile.Profile" y
"cProfile.Profile".
sort_stats(*keys)
Este método modifica el objeto "Stats" ordenándolo de acuerdo
con los criterios proporcionados. El argumento puede ser una
cadena de caracteres o una enumeración SortKey que identifica la
base de una clasificación (ejemplo: "'time'", "'name'",
"SortKey.TIME" o "SortKey.NAME"). El argumento enumeraciones
SortKey tiene ventaja sobre el argumento de cadena de caracteres
en que es más robusto y menos propenso a errores.
Cuando se proporciona más de una llave, se utilizan llaves
adicionales como criterios secundarios cuando hay igualdad en
todas las llaves seleccionadas antes que ellas. Por ejemplo,
"sort_stats(SortKey.NAME, SortKey.FILE)" ordenará todas las
entradas de acuerdo con el nombre de su función y resolverá
todos los vínculos (nombres de función idénticos)
clasificándolos por nombre de archivo.
Para el argumento de cadena de caracteres, se pueden usar
abreviaturas para cualquier nombre de llaves, siempre que la
abreviatura no sea ambigua.
Los siguientes son la cadena de caracteres válida y SortKey:
+--------------------+-----------------------+------------------------+
| Arg de cadena de | Arg de enumeración | Significado |
| caracteres válido | válido | |
|====================|=======================|========================|
| "'calls'" | SortKey.CALLS | recuento de llamadas |
+--------------------+-----------------------+------------------------+
| "'cumulative'" | SortKey.CUMULATIVE | tiempo acumulado |
+--------------------+-----------------------+------------------------+
| "'cumtime'" | N/A | tiempo acumulado |
+--------------------+-----------------------+------------------------+
| "'file'" | N/A | nombre de archivo |
+--------------------+-----------------------+------------------------+
| "'filename'" | SortKey.FILENAME | nombre de archivo |
+--------------------+-----------------------+------------------------+
| "'module'" | N/A | nombre de archivo |
+--------------------+-----------------------+------------------------+
| "'ncalls'" | N/A | recuento de llamadas |
+--------------------+-----------------------+------------------------+
| "'pcalls'" | SortKey.PCALLS | recuento de llamadas |
| | | primitivas |
+--------------------+-----------------------+------------------------+
| "'line'" | SortKey.LINE | número de línea |
+--------------------+-----------------------+------------------------+
| "'name'" | SortKey.NAME | nombre de la función |
+--------------------+-----------------------+------------------------+
| "'nfl'" | SortKey.NFL | nombre/archivo/línea |
+--------------------+-----------------------+------------------------+
| "'stdname'" | SortKey.STDNAME | nombre estándar |
+--------------------+-----------------------+------------------------+
| "'time'" | SortKey.TIME | tiempo interno |
+--------------------+-----------------------+------------------------+
| "'tottime'" | N/A | tiempo interno |
+--------------------+-----------------------+------------------------+
Tenga en cuenta que todos los tipos de estadísticas están en
orden descendente (colocando primero los elementos que requieren
más tiempo), donde las búsquedas de nombre, archivo y número de
línea están en orden ascendente (alfabético). La sutil
distinción entre "SortKey.NFL" y "SortKey.STDNAME" es que el
nombre estándar es una especie de nombre tal como está impreso,
lo que significa que los números de línea incrustados se
comparan de manera extraña. Por ejemplo, las líneas 3, 20 y 40
aparecerían (si los nombres de los archivos fueran los mismos)
en el orden de las cadenas 20, 3 y 40. En contraste,
"SortKey.NFL" hace una comparación numérica de los números de
línea. De hecho, "sort_stats(SortKey.NFL)" es lo mismo que
"sort_stats(SortKey.NAME, SortKey.FILENAME, SortKey.LINE)".
Por razones de compatibilidad con versiones anteriores, se
permiten los argumentos numéricos "-1", "0", "1", y "2". Se
interpretan como "'stdname'", "'calls'", "'time'", y
"'cumulative'" respectivamente. Si se usa este formato de estilo
antiguo (numérico), solo se usará una clave de clasificación (la
tecla numérica) y los argumentos adicionales se ignorarán en
silencio.
Added in version 3.7: Enumeración SortKey añadida.
reverse_order()
Este método para la clase "Stats" invierte el orden de la lista
básica dentro del objeto. Tenga en cuenta que, de forma
predeterminada, el orden ascendente vs descendente se selecciona
correctamente en función de la llave de clasificación elegida.
print_stats(*restrictions)
Este método para la clase "Stats" imprime un informe como se
describe en la definición "profile.run()".
El orden de la impresión se basa en la última operación
"sort_stats()" realizada en el objeto (sujeto a advertencias en
"add()" y "strip_dirs()").
The arguments provided (if any) can be used to limit the list
down to the significant entries. Initially, the list is taken
to be the complete set of profiled functions. Each restriction
is either an integer (to select a count of lines), or a decimal
fraction between 0.0 and 1.0 inclusive (to select a percentage
of lines), or a string that will be interpreted as a regular
expression (to pattern match the standard name that is printed).
If several restrictions are provided, then they are applied
sequentially. For example:
print_stats(.1, 'foo:')
primero limitaría la impresión al primer 10% de la lista, y
luego solo imprimiría las funciones que formaban parte del
nombre del archivo ".*foo:". En contraste, el comando:
print_stats('foo:', .1)
limitaría la lista a todas las funciones que tengan nombres de
archivo: archivo ".*foo:", y luego procedería a imprimir solo el
primer 10% de ellas.
print_callers(*restrictions)
Este método para la clase "Stats" imprime una lista de todas las
funciones que llamaron a cada función en la base de datos
perfilada. El orden es idéntico al proporcionado por
"print_stats()", y la definición del argumento de restricción
también es idéntica. Cada persona que llama se informa en su
propia línea. El formato difiere ligeramente según el generador
de perfiles que produjo las estadísticas:
* Con "profile", se muestra un número entre paréntesis después
de cada llamada para mostrar cuántas veces se realizó esta
llamada específica. Por conveniencia, un segundo número sin
paréntesis repite el tiempo acumulado empleado en la función
de la derecha.
* Con "cProfile", cada persona que llama está precedida por tres
números: la cantidad de veces que se realizó esta llamada
específica y los tiempos totales y acumulativos gastados en la
función actual mientras fue invocada por esta persona que
llama.
print_callees(*restrictions)
Este método para la clase "Stats" imprime una lista de todas las
funciones que fueron llamadas por la función indicada. Aparte de
esta inversión de la dirección de las llamadas (re: llamado vs
fue llamado por), los argumentos y el orden son idénticos al
método "print_callers()".
get_stats_profile()
Este método retorna una instancia de StatsProfile, la cual
contiene un mapeo de nombres de función a instancias de
FunctionProfile. Cada instancia de FunctionProfile mantiene
información relacionada al perfil de la función, como cuánto
demoró la función en ejecutarse, cuantas veces fue llamada,
etc...
Added in version 3.9: Añadidas las siguientes clases de datos:
StatsProfile, FunctionProfile. Añadida la siguiente función:
get_stats_profile.
¿Qué es el perfil determinista?#
Deterministic profiling está destinada a reflejar el hecho de que se supervisan todos los eventos function call, function return, y exception, y se realizan temporizaciones precisas para los intervalos entre estos eventos (durante los cuales el código del usuario se está ejecutando). Por el contrario, statistical profiling (que no se realiza en este módulo) muestrea aleatoriamente el puntero de instrucción efectivo y deduce dónde se está gastando el tiempo. La última técnica tradicionalmente implica menos sobrecarga (ya que el código no necesita ser instrumentado), pero proporciona solo indicaciones relativas de dónde se está gastando el tiempo.
En Python, dado que hay un intérprete activo durante la ejecución, no se requiere la presencia de código instrumentado para realizar un perfil determinista. Python proporciona automáticamente un hook (retrollamada opcional) para cada evento. Además, la naturaleza interpretada de Python tiende a agregar tanta sobrecarga a la ejecución, que los perfiles deterministas tienden a agregar solo una pequeña sobrecarga de procesamiento en aplicaciones típicas. El resultado es que el perfil determinista no es tan costoso, pero proporciona estadísticas extensas de tiempo de ejecución sobre la ejecución de un programa Python.
Las estadísticas de recuento de llamadas se pueden usar para identificar errores en el código (recuentos sorprendentes) e identificar posibles puntos de expansión en línea (recuentos altos de llamadas). Las estadísticas de tiempo interno se pueden utilizar para identificar "bucles activos" que deben optimizarse cuidadosamente. Las estadísticas de tiempo acumulativo deben usarse para identificar errores de alto nivel en la selección de algoritmos. Tenga en cuenta que el manejo inusual de los tiempos acumulativos en este generador de perfiles permite que las estadísticas de implementaciones recursivas de algoritmos se comparen directamente con implementaciones iterativas.
Limitaciones#
Una limitación tiene que ver con la precisión de la información de sincronización. Hay un problema fundamental con los perfiladores deterministas que implican precisión. La restricción más obvia es que el "reloj" subyacente solo funciona a una velocidad (típicamente) de aproximadamente 0,001 segundos. Por lo tanto, ninguna medición será más precisa que el reloj subyacente. Si se toman suficientes medidas, entonces el "error" tenderá a promediar. Desafortunadamente, eliminar este primer error induce una segunda fuente de error.
El segundo problema es que "lleva un tiempo" desde que se distribuye un evento hasta que la llamada del generador de perfiles para obtener la hora en realidad obtiene el estado del reloj. Del mismo modo, hay un cierto retraso al salir del controlador de eventos del generador de perfiles desde el momento en que se obtuvo el valor del reloj (y luego se retiró), hasta que el código del usuario se está ejecutando nuevamente. Como resultado, las funciones que se llaman muchas veces, o llaman a muchas funciones, generalmente acumularán este error. El error que se acumula de esta manera es típicamente menor que la precisión del reloj (menos de un tic de reloj), pero puede acumularse y volverse muy significativo.
El problema es más importante con "profile" que con la sobrecarga inferior "cProfile". Por esta razón, "profile" proporciona un medio para calibrarse a sí mismo para una plataforma dada para que este error pueda ser eliminado probabilísticamente (en promedio). Después de calibrar el generador de perfiles, será más preciso (en un sentido al menos cuadrado), pero a veces producirá números negativos (cuando el recuento de llamadas es excepcionalmente bajo y los dioses de la probabilidad trabajan en su contra :-) ) No se alarme por los números negativos en el perfil. Deberían aparecer solo si ha calibrado su generador de perfiles, y los resultados son realmente mejores que sin calibración.
Calibración#
El generador de perfiles del módulo "profile" resta una constante de cada tiempo de manejo de eventos para compensar la sobrecarga de llamar a la función de tiempo y eliminar los resultados. Por defecto, la constante es 0. El siguiente procedimiento se puede usar para obtener una mejor constante para una plataforma dada (ver Limitaciones).
import profile pr = profile.Profile() for i in range(5): print(pr.calibrate(10000))
El método ejecuta la cantidad de llamadas de Python dadas por el argumento, directamente y nuevamente bajo el generador de perfiles, midiendo el tiempo para ambos. Luego, calcula la sobrecarga oculta por evento del generador de perfiles y la retorna como un valor flotante. Por ejemplo, en un Intel Core i5 de 1.8Ghz que ejecuta macOS y usa el time.process_time () de Python como temporizador, el número mágico es aproximadamente 4.04e-6.
El objetivo de este ejercicio es obtener un resultado bastante consistente. Si su computadora es muy rápida, o su función de temporizador tiene una resolución pobre, es posible que tenga que pasar 100000, o incluso 1000000, para obtener resultados consistentes.
Cuando tiene una respuesta consistente, hay tres formas de usarla:
import profile
# 1. Apply computed bias to all Profile instances created hereafter. profile.Profile.bias = your_computed_bias
# 2. Apply computed bias to a specific Profile instance. pr = profile.Profile() pr.bias = your_computed_bias
# 3. Specify computed bias in instance constructor. pr = profile.Profile(bias=your_computed_bias)
Si tiene una opción, es mejor que elija una constante más pequeña, y luego sus resultados "con menos frecuencia" se mostrarán como negativos en las estadísticas del perfil.
Usando un temporizador personalizado#
Si desea cambiar la forma en que se determina el tiempo actual (por ejemplo, para forzar el uso del tiempo del reloj de pared o el tiempo transcurrido del proceso), pase la función de temporización que desee a la clase constructora "Profile":
pr = profile.Profile(your_time_func)
El generador de perfiles resultante llamará a "your_time_func". Dependiendo de si está utilizando "profile.Profile" o "cProfile.Profile", el valor de retorno de "your_time_func" se interpretará de manera diferente:
"profile.Profile" "your_time_func" debería retornar un solo número o una lista de números cuya suma es la hora actual (como lo que "os.times()" retorna). Si la función retorna un número de tiempo único o la lista de números retornados tiene una longitud de 2, obtendrá una versión especialmente rápida de la rutina de envío.
Be warned that you should calibrate the profiler class for the timer function that you choose (see Calibración). For most machines, a timer that returns a lone integer value will provide the best results in terms of low overhead during profiling. ("os.times()" is pretty bad, as it returns a tuple of floating- point values). If you want to substitute a better timer in the cleanest fashion, derive a class and hardwire a replacement dispatch method that best handles your timer call, along with the appropriate calibration constant.
"cProfile.Profile" "your_time_func" debería retornar un solo número. Si retorna enteros, también puede invocar al constructor de la clase con un segundo argumento que especifique la duración real de una unidad de tiempo. Por ejemplo, si "your_integer_time_func" retorna tiempos medidos en miles de segundos, construiría la instancia "Profile" de la siguiente manera:
pr = cProfile.Profile(your_integer_time_func, 0.001)
As the "cProfile.Profile" class cannot be calibrated, custom timer functions should be used with care and should be as fast as possible. For the best results with a custom timer, it might be necessary to hard-code it in the C source of the internal "_lsprof" module.
Python 3.3 agrega varias funciones nuevas en "time" que se puede usar para realizar mediciones precisas del proceso o el tiempo del reloj de pared (wall-clock time). Por ejemplo, vea "time.perf_counter()".