### 安装 Py-Spy Py-Spy 是一个用 Rust 编写的轻量级 Python 性能分析工具，支持在不修改代码、不重启程序的情况下实时监控 Python 程序的 CPU 使用情况。首先，需通过 pip 安装： ```bash pip install py-spy ``` 安装完成后，可通过以下命令验证安装是否成功： ```bash py-spy -h ``` 该命令将显示 Py-Spy 的使用帮助信息，确认其已正确安装并可用[^2]。 ### 生成火焰图 火焰图（Flame Graph）是一种可视化 CPU 时间分布的图表，可以清晰地展示各函数调用栈的 CPU 占用情况。Py-Spy 提供 `record` 子命令用于生成火焰图。 假设要分析的 Python 程序如下： ```python # example.py def inner_func(): sum(range(1000000)) def outer_func(): for _ in range(10): inner_func() if __name__ == "__main__": outer_func() ``` 运行以下命令生成火焰图： ```bash py-spy record -o profile.svg -- python example.py ``` 该命令将执行 `example.py` 并将采集到的调用栈信息保存为 `profile.svg` 文件。该 SVG 文件即为火焰图，可在浏览器中打开查看[^2]。 ### 分析火焰图内容 火焰图的 X 轴表示 CPU 时间占比，Y 轴表示调用栈深度。每个矩形框代表一个函数，其宽度表示该函数占用 CPU 时间的相对比例。矩形框堆叠在一起表示函数调用关系，顶层函数位于最上方。 通过观察火焰图，可以快速识别 CPU 占用较高的函数。例如，如果 `inner_func` 在火焰图中占比较大，说明该函数是性能瓶颈，需进一步优化其计算逻辑或减少调用频率[^1]。 ### 实时查看调用栈信息 除了生成火焰图，Py-Spy 还支持以 `top` 模式实时查看程序运行时的 CPU 使用情况： ```bash py-spy top --pid <PID> ``` 其中 `<PID>` 是目标 Python 进程的进程 ID。此命令将显示类似 `top` 的交互式界面，列出当前 CPU 占用最高的函数及其调用栈，便于动态监控和性能调试[^2]。 ### 获取原始调用栈数据 如需进一步分析原始调用栈数据，可使用 `dump` 子命令输出当前进程的调用栈： ```bash py-spy dump --pid <PID> ``` 该命令将打印所有线程的完整调用栈信息，可用于深入分析函数调用路径和潜在的性能问题点。 --- ###