推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 1070 天前的主题，其中的信息可能已经有所发展或是发生改变。
假如有一个 web 后台服务 cpu/内存占用过高,是否有类似 jstack 的工具，可以定位到具体的代码呢
 |
1
Latin 2022-01-21 16:24:16 +08:00  2
|
 |
2
ChrisFreeMan 2022-01-21 16:28:09 +08:00
&t=524s
|
 |
4
huangz003 2022-01-21 17:17:25 +08:00
阿里的 arthas 应该可以吧
|
 |
5
wynemo 2022-01-21 17:37:36 +08:00
|
 |
6
chevalier 2022-01-21 17:50:19 +08:00
CPU 过高，perf top
|
 |
7
anonymous256 2022-01-21 19:52:47 +08:00
一般说来，web 服务不涉及 CPU 密集型的任务。比较依赖 CPU 资源的主要在于解码或数学计算类的任务。所以即便你找到了好工具，很可能也解决和发现什么问题。
大多数程序性能的障碍在于：内存数据的写读依赖，不必要的计算和循环，算法的选择，不必要的 I/O 操作，多进程的数据竞争。你可以在程序内用通过日志输出高精度的时间，直接来捕捉到影响性能关键的代码区域，重新看代码逻辑分析具体是什么原因。 以「不必要的计算和循环」为例，我就遇到这样的代码，比如明明一个 for 循环就可以直接完成 AB 操作。但是有的程序员，会先写一个 for 循环执行 A 操作，再来一次 for 循环执行 B 操作。就导致了无谓的双倍内存访问。在比如明明一次 SQL 查询就能解决问题，他要查询两次，然后对数据进行关联和处理。就是不必要的操作和计算。 通常情况，性能的问题是人的问题。 |
|
8
anonymous256 2022-01-21 19:54:20 +08:00
错误：“很可能也解决和发现什么问题”
修正：“很可能也发现和解决不了什么问题。” |
 |
10
lululau 2022-01-21 20:24:45 +08:00 via iPhone
dtrace/ bpftrace
|
 |
11
guyskk0x0 2022-01-21 20:31:37 +08:00 via Android
pyinstrument, py-spy
|
 |
12
joApioVVx4M4X6Rf 2022-01-22 09:14:21 +08:00
同问楼主，找到相关工具没有
|
 |
13
IurNusRay OP @anonymous256 恩，这确实是比较实用常见的处理方式，不过偶尔碰到不知道是哪个请求或者哪个任务导致了 cpu/内存占用过高的情况，所以想知道是否有一种监控的工具可以协助定位
|
 |
15
DeanThompson 2022-01-24 15:21:15 +08:00
@guyskk0x0 +1 ，两个都用过，再稍微补充一点内容：
- pyinstrument 需要埋点（植入代码），适合线下做 profile - py-spy 可以对运行中的进程进行采样，适合线上。有个 top 命令可以实时展示当前忙碌的代码 |
 |
16
zky001 2022-01-24 17:50:47 +08:00
dis+cProfile
|
Select Language