Tachyon

Tachyon ist ein neuer statistischer Sampling-Profiler, der in Python 3.15 als profiling.sampling hinzugefügt wurde. Dieser Profiler ermöglicht eine leistungsstarke Analyse laufender Python-Prozesse mit geringem Overhead, ohne dass Codeänderungen oder ein Neustart des Prozesses erforderlich sind.

Im Gegensatz zu deterministischen Profiler wie profiling.tracing, die jeden Funktionsaufruf instrumentieren, erfasst profiling.sampling regelmäßig Stack-Traces aus laufenden Prozessen.

Zu den wichtigsten Funktionen gehören:

Profiling ohne Overhead

profiling.sampling fügt sich in jeden laufenden Python-Prozess ein, ohne dessen Leistung zu beeinträchtigen. Dies ist Ideal für die Fehlerbehebung in Produktiv-Umgebungen, wo eure Anwendung nicht neu gestartet oder verlangsamt werden darf.

Keine erforderlichen Codeänderungen

Bestehende Anwendungen können ohne Neustart profiliert werden. Ihr müsst einfach anhand der PID den Profiler auf einen laufenden Prozess richten und mit der Datenerhebung beginnen.

Profiliert laufende Prozesse oder Module

attach

profiliert laufende Prozesse anhand der PID.

run -m MODULE

führt Module aus und profiliert sie.

Mehrere Profiling-Modi

Ihr könnt auswählen, was gemessen werden soll:

--mode wall

Standardwert, der die tatsächlich verstrichene Zeit misst einschließlich I/O, Netzwerkwartezeiten und Blockierungsvorgängen. Dies ist ideal geeignet um zu verstehen, wo euer Programm Zeit verbraucht, einschließlich der Wartezeiten auf externe Ressourcen.

--mode cpu

misst nur die aktive CPU-Ausführungszeit, ohne I/O-Wartezeiten und Blockierungen. Verwendet diese Option, um CPU-gebundene Engpässe zu identifizieren und die Rechenleistung zu optimieren.

--mode gil

misst die Zeit für das GIL von Python. Verwendet diese Option, um zu ermitteln, welche Threads durch das GIL ausgebremst werden.

--mode exception

erfasst nur Samples von Threads mit einer aktiven Ausnahme. Verwendet diese Option, um den Overhead beim Exception Handling zu analysieren.

-a

profiliert alle Threads oder nur den Haupt-Thread, wodurch das Verständnis für des Verhalten von Multithread-Anwendungen wächst.

Mehrere Ausgabeformate

Wählt die Visualisierung, die am besten zu Ihrem Workflow passt:

--pstats

liefert detaillierte tabellarische Statistiken, kompatibel mit pstats. Es zeigt die Zeitmessung auf Funktionsebene mit direkten und kumulativen Stichproben an und ist am besten geeignet für detaillierte Analysen und die Integration mit vorhandenen Python-Profiling-Tools.

--collapsed

erzeugt zusammengefasste Stack-Traces. Dieses Format wurde speziell für die Erstellung von Flame Graphs mit externen Tools wie Brendan Greggs FlameGraph-Skripten oder Speedscope entwickelt.

--flamegraph

erzeugt einen eigenständigen interaktiven HTML-Flamegraph mit D3.js, der sich direkt in Ihrem Browser für eine sofortige visuelle Analyse öffnet.

--gecko

erzeugt ein Gecko-Profiler-Format, das mit Firefox Profiler kompatibel ist. Die Ausgabe kann in Firefox Profiler hochgeladen werden, um eine erweiterte zeitachsenbasierte Analyse mit Funktionen wie Stapeldiagrammen, Markern und Netzwerkaktivitäten durchzuführen.

--heatmap

erzeugt eine interaktive HTML-Heatmap-Visualisierung und erstellt eine Heatmap je Datei, die genau zeigen, wo Zeit auf Quellcodeebene verbraucht wird.

--live

top-ähnliche Oberfläche, wodurch ihr die Leistung eurer Anwendung während der Ausführung mit interaktiver Sortierung und Filterung Überwachen könnt.

--async-aware

Profilerstellung für async/await-Code, die euch anzeigt, welche Coroutinen Zeit verbrauchen. Weitere Optionen zeigen euch nur laufende Aufgaben oder alle Aufgaben einschließlich der wartenden an.

--opcodes

sammelt Bytecode-Opcode-Informationen für das Profiling auf Befehlsebene und zeigt an, welche Bytecode-Befehle ausgeführt werden, einschließlich Spezialisierungen aus dem adaptiven Interpreter.

Siehe auch

profiling.sampling