一、工具
1.cProfile
一般对分析python性能的工具都会用cprofile。但是这玩意对多线程和asyncio的支持并不友好，如果用它对asyncio分析，会发现CPU都耗费在了poll上面，无法确定到底耗费在哪些协程上。
例如会出现python - What is correct way to use cProfile with asyncio code? - Stack Overflow这样的问题。
用法：
python3 -m cProfile -o test.prof test2.py运行完会生成一个test.prof文件，本文第二节介绍如何通过可视化工具查看这个文件。
2、yappi
GitHub - sumerc/yappi: Yet Another Python Profiler, but this time thread&coroutine&greenlet aware.
这个工具可以测多线程、asycio等多种场景。
安装：
pip install yappi运行下方例子就会输出每个函数/协程所占用的时间，并生成一个test.prof文件：
import asyncio
import sys
import yappi
test_time = 5 # 测试时间
async def exit():
await asyncio.sleep(5)
yappi.get_func_stats().print_all()
yappi.stop()
stats = yappi.convert2pstats(yappi.get_func_stats())
stats.dump_stats("test.prof")
asyncio.get_event_loop().stop()
sys.exit(0)
async def do_something(num):
for i in range(num):
i = i+1
await asyncio.sleep(0)
async def test1():
await do_something(10000)
async def test2():
await do_something(100000)
async def main():
asyncio.get_event_loop().create_task(exit())
while True:
await test1()
await test2()
yappi.set_clock_type("cpu")
yappi.start()
loop = asyncio.get_event_loop()
with yappi.run():
loop.run_until_complete(main())
输出如下图：
二、可视化
1、SnakeViz
可以针对上面工具生成的prof文件进行分析，然后生成分析结果可以直观地看到cpu时间都耗费在哪里了。
使用方法：
pip install snakeviz
snakeviz test.prof ?就会打开一个网页来展示分析的情况。
2、gprof2dot
gprof2dot可以将prof文件生成一个图片。
安装：
apt-get install graphviz
pip install gprof2dot?运行：
gprof2dot -f pstats test.prof | dot -Tpng -o output.png生成的图片如下图所示
参考文章：
好用的 Python Profile（性能/耗时分析）工具 - 知乎
