调试和性能分析

调试发现和修复错误，性能分析识别瓶颈。Python 提供丰富的工具。

print 调试

最简单的调试方法：

def calculate(a, b):
    print(f"calculate called with a={a}, b={b}")
    result = a * b + 10
    print(f"result={result}")
    return result

calculate(5, 3)
# 输出：
# calculate called with a=5, b=3
# result=25

局限：污染代码、难以移除、不够强大。

logging 模块

结构化日志，支持级别控制：

import logging

# 配置
logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s')

def process_data(data):
    logging.debug(f"Processing {len(data)} items")
    result = []
    for item in data:
        logging.debug(f"Processing item: {item}")
        result.append(item * 2)
    logging.info(f"Processed {len(result)} items")
    return result

process_data([1, 2, 3])

日志级别：

• DEBUG：详细信息
• INFO：一般信息
• WARNING：警告
• ERROR：错误
• CRITICAL：严重错误

pdb 交互式调试器

Python 内置调试器：

import pdb

def divide(a, b):
    pdb.set_trace()  # 设置断点
    result = a / b
    return result

divide(10, 2)

pdb 命令：

• n (next)：下一行
• s (step)：进入函数
• c (continue)：继续执行
• p variable：打印变量
• l (list)：显示代码
• q (quit)：退出

breakpoint()（Python 3.7+）

更简洁的断点：

def calculate(a, b):
    result = a * b
    breakpoint()  # 自动进入 pdb
    return result

等价于 import pdb; pdb.set_trace()，但更简洁。

IDE 调试器

VS Code

1. 设置断点（点击行号左侧）
2. 按 F5 启动调试
3. 使用工具栏控制执行

PyCharm

1. 设置断点
2. 右键 → Debug
3. 查看变量、调用栈

优点：可视化、变量监视、条件断点。

性能分析：cProfile

分析函数调用时间：

import cProfile
import pstats

def slow_function():
    total = 0
    for i in range(1000000):
        total += i
    return total

def main():
    result1 = slow_function()
    result2 = slow_function()
    return result1 + result2

# 性能分析
cProfile.run('main()', 'profile_stats')

# 查看结果
stats = pstats.Stats('profile_stats')
stats.sort_stats('cumulative')
stats.print_stats(10)

输出：

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.284    0.284 <string>:1(<module>)
        1    0.000    0.000    0.284    0.284 example.py:9(main)
        2    0.284    0.142    0.284    0.142 example.py:3(slow_function)

性能分析：timeit

精确测量小段代码：

import timeit

# 方法 1：列表推导
time1 = timeit.timeit('[x**2 for x in range(1000)]', number=10000)

# 方法 2：map
time2 = timeit.timeit('list(map(lambda x: x**2, range(1000)))', number=10000)

print(f"列表推导: {time1:.4f}s")
print(f"map: {time2:.4f}s")

内存分析：memory_profiler

分析内存使用：

pip install memory_profiler

# example.py
from memory_profiler import profile

@profile
def create_large_list():
    large_list = [i for i in range(1000000)]
    return large_list

@profile
def main():
    data = create_large_list()
    processed = [x * 2 for x in data]
    return processed

if __name__ == '__main__':
    main()

运行：

python -m memory_profiler example.py

输出：

Line #    Mem usage    Increment   Line Contents
================================================
     3   38.1 MiB     38.1 MiB   @profile
     4                             def create_large_list():
     5   76.3 MiB     38.2 MiB       large_list = [i for i in range(1000000)]
     6   76.3 MiB      0.0 MiB       return large_list

实战案例：定位性能瓶颈

import cProfile
import time

def slow_computation():
    """模拟慢操作"""
    time.sleep(0.1)
    return sum(range(100000))

def fast_computation():
    """快速操作"""
    return sum(range(100))

def main():
    results = []
    for _ in range(10):
        results.append(slow_computation())
    for _ in range(100):
        results.append(fast_computation())
    return results

# 性能分析
cProfile.run('main()', sort='cumulative')

分析：

1. 运行 cProfile
2. 查看 tottime（函数自身时间）
3. 找到最慢的函数
4. 优化瓶颈

调试技巧

1. 二分查找错误

def complex_function():
    step1()
    print("Step 1 done")  # 检查点
    step2()
    print("Step 2 done")
    step3()
    print("Step 3 done")

2. 断言检查

def process(data):
    assert isinstance(data, list), "data must be a list"
    assert len(data) > 0, "data cannot be empty"
    # 继续处理

3. 日志而非 print

# 不好
print("Debug info:", value)

# 好
logging.debug("Processing value: %s", value)

小结

• print 简单但有限
• logging 结构化、可配置
• pdb/breakpoint() 交互式调试
• IDE 调试器 可视化、强大
• cProfile 函数级性能分析
• timeit 精确测量小段代码
• memory_profiler 内存使用分析

下一节学习 打包和发布。

---

参考：

• pdb 文档
• cProfile 文档

练习：答案