py-spy：不改动代码就能分析 Python 性能

文章目录py-spy不改动代码就能分析 Python 性能三个命令覆盖日常需求跨平台和多版本支持工作原理权限相关什么时候用它py-spy不改动代码就能分析 Python 性能Python 程序跑得慢定位瓶颈是个常见需求。常规做法是在代码里插入分析逻辑或者重启程序挂上分析器。py-spy 提供了一条不同的路径直接读取运行中的 Python 进程不用改一行代码也不用重启服务。这个项目用 Rust 写成核心目标是低侵入。它不和被分析的 Python 进程跑在同一个空间里而是通过操作系统提供的内存读取接口直接采样目标进程的调用栈。这意味着你可以在生产环境直接用它对正在服务的程序影响极小。三个命令覆盖日常需求py-spy 的命令行接口很简洁只有三个子命令。record用于生成性能报告。指定目标进程的 PID或者直接跟 Python 命令它会持续采样并输出火焰图 SVG 文件。输出格式也支持 speedscope 和原始数据方便用其他工具二次分析。top提供一个实时视图类似系统自带的 top 命令但显示的是 Python 层面的函数耗时排名。适合快速定位当前最热的代码路径。dump则是一次性输出所有线程的调用栈。程序卡住的时候用这个命令看一眼各线程停在哪儿往往就能定位问题所在。跨平台和多版本支持py-spy 支持 Linux、macOS、Windows 和 FreeBSD。Python 版本覆盖 2.3 到 2.7以及 3.3 到 3.14。这个范围相当宽 legacy 项目和新项目都能用。安装方式也灵活。PyPI 上有预编译的 wheel一条 pip 命令就能装好。macOS 用户可以用 HomebrewArch Linux 用户可以从 AUR 安装。如果你是 Rust 开发者也可以直接 cargo install 从源码编译。工作原理py-spy 直接读取目标进程的内存来还原 Python 调用栈。在 Linux 上通过 process_vm_readvmacOS 上用 vm_readWindows 上用 ReadProcessMemory。具体做法是先找到 PyInterpreterState 的位置拿到所有线程列表再逐个遍历 PyFrameObject 来还原调用链。由于 CPython 的内存布局随版本变化项目用 bindgen 为每个支持的版本生成对应的 Rust 结构体确保能正确解析。ASLR地址空间布局随机化会带来一些麻烦。如果 Python 解释器带有符号表可以直接从 interp_head 或 _PyRuntime 变量定位解释器地址。但很多发行版会剥离符号这时 py-spy 会扫描 BSS 段寻找符合 PyInterpreterState 特征的内存地址。权限相关读取其他进程的内存通常需要特定权限。macOS 上必须 root 运行。Linux 的默认配置更细如果由 py-spy 启动目标进程一般不需要 root但附加到已有进程通常需要 sudo。这个限制可以通过调整 ptrace_scope 参数来放宽。Docker 和 Kubernetes 环境里也常见权限问题需要给容器添加 SYS_PTRACE 能力。文档里对这些场景都有具体说明。什么时候用它如果你需要分析一个已经在跑的 Python 服务又不想重启或修改代码py-spy 是个直接的选择。它的开销足够低对线上服务的影响在可接受范围内。火焰图输出对理解程序热点很直观。GIL 检测功能可以帮你判断多线程程序里哪些线程在争用全局锁。子进程分析功能则对用了 multiprocessing 或 gunicorn 的架构有用。这个项目目前有 15,236 个 Star解决的是一个具体的工程问题在生产环境安全地分析 Python 性能。,236 个 Star解决的是一个具体的工程问题在生产环境安全地分析 Python 性能。