从Python引擎调用的C编译函数（通过scipy.weave）执行到Cython的迁移时，我遇到了性能评估问题。
使用cProfile端到端配置的新cython函数（如果没有必要，我将不进行cython剖析）记录了高度可变的累积测量时间。
例如。每5次重复执行9次的cython函数的累积时间（在5次执行预热之后-分析功能未考虑），将花费以下时间：
每次执行都会使用不同但固定的参数多次调用函数。 也许这种可变性可能取决于测试计算机（云托管的专用计算机）的CPU负载，但是我想知道这种可变性（将近10％）是否可能取决于cython或缺乏优化（我已经在划分时使用了提示，边界检查，环绕等...）。
关于如何采用可靠指标的任何想法？
答案 0 :(得分：0)
我不是性能专家，但据我了解，您应该衡量的是每次执行所花费的平均时间而不是累计时间？除此之外，您的功能是否还可以进行磁盘读取和/或发出网络请求？
答案 1 :(得分：0)
首先，首先，需要确保测量设备能够测量所需的东西：具体来说，只有您消耗的系统资源。 UNIX的utime是这样的命令之一，尽管该命令仍然包含交换时间。请检查您的探查器的文档：它应该（应该具有仅测量该功能所消耗的CPU时间的功能）。如果是这样，那么您的数字是由于其他原因。
一旦控制了外部变量，就需要检查内部变量。关于功能的复杂性，您什么也没说。某些（很多？）函数具有数据驱动琐碎的可用捷径，例如乘以0或1。某些函数取决于随数据而变化的公开或秘密迭代。您需要针对算法分析输入数据。
您可以使用的一种工具是面向行的探查器，用于详细说明变化的产生原因；看看哪些行会花费额外的时间，应该有助于确定“噪声”的来源。