% scalene --help
     usage: scalene [-h] [--outfile OUTFILE] [--html] [--reduced-profile]
                    [--profile-interval PROFILE_INTERVAL] [--cpu-only]
                    [--profile-all] [--profile-only PROFILE_ONLY]
                    [--use-virtual-time]
                    [--cpu-percent-threshold CPU_PERCENT_THRESHOLD]
                    [--cpu-sampling-rate CPU_SAMPLING_RATE]
                    [--malloc-threshold MALLOC_THRESHOLD]
     
     Scalene: 高精度CPU和内存分析器。
     https://github.com/plasma-umass/scalene
     
     命令行：
        % scalene [选项] yourprogram.py
     或
        % python3 -m scalene [选项] yourprogram.py
     
     在Jupyter中，行模式：
        %scrun [选项] 语句
     
     在Jupyter中，单元模式：
        %%scalene [选项]
        代码...
        代码...
     
     可选参数：
       -h, --help            显示此帮助信息并退出
       --outfile OUTFILE     保存分析器输出的文件（默认：stdout）
       --html                输出为HTML（默认：文本）
       --reduced-profile     生成精简的分析报告，只包含非零行（默认：False）
       --profile-interval PROFILE_INTERVAL
                             每隔多少秒输出一次分析报告（默认：inf）
       --cpu-only            仅分析CPU时间（默认：分析CPU、内存和复制）
       --profile-all         分析所有执行的代码，而不仅是目标程序（默认：仅目标程序）
       --profile-only PROFILE_ONLY
                             仅分析文件名中包含给定字符串的代码，用逗号分隔（默认：无限制）
       --use-virtual-time    仅测量CPU时间，不包括I/O或阻塞所花费的时间（默认：False）
       --cpu-percent-threshold CPU_PERCENT_THRESHOLD
                             仅报告至少占用此百分比CPU时间的分析（默认：1%）
       --cpu-sampling-rate CPU_SAMPLING_RATE
                             CPU采样率（默认：每0.01秒）
       --malloc-threshold MALLOC_THRESHOLD
                             仅报告至少有这么多分配的分析（默认：100）
     
     当在后台运行Scalene时，你可以为Scalene报告的进程ID暂停/恢复分析。
     例如：
     
        % python3 -m scalene [选项] yourprogram.py &
      Scalene现在正在分析进程12345
        暂停分析：python3 -m scalene.profile --off --pid 12345
        恢复分析：python3 -m scalene.profile --on  --pid 12345

这个笔记本展示了在Jupyter中使用Scalene的方法。

安装：

!pip install scalene
%load_ext scalene

行模式：

%scrun [选项] 语句

单元模式：

%%scalene [选项]
代码...
代码...

Scalene作为pip包分发，适用于Mac OS X、Linux（包括Windows WSL2中的Ubuntu）和（有限制的）Windows平台。

注意

Windows版本目前仅支持CPU和GPU分析，不支持内存或复制分析。

你可以按照以下方式安装：

  % pip install -U scalene

或

  % python3 -m pip install -U scalene

你可能需要先安装一些包。

有关所有Linux发行版的完整说明，请参见 https://stackoverflow.com/a/19344978/4954434。

对于Ubuntu/Debian：

  % sudo apt install git python3-all-dev

  % conda install -c conda-forge scalene

Scalene 以 conda 包的形式发布，可在 Mac OS X、Linux（包括 Windows WSL2 中的 Ubuntu）和（有限制地）Windows 平台上运行。

注意

Windows 版本目前仅支持 CPU 和 GPU 分析，不支持内存或复制分析。

您可以通过 AUR 包 在 Arch Linux 上安装 Scalene。使用您喜欢的 AUR 助手，或手动下载 PKGBUILD 并运行 makepkg -cirs 进行构建。请注意，这将把 libscalene.so 放在 /usr/lib 中；相应地修改下面的使用说明。

答： 可以！您可以按以下方式运行（例如）：

python3 -m scalene --- -m pytest your_test.py

答： 是的！有几个选项：

1. 使用 --reduced-profile 仅包含有内存/CPU/GPU 活动的行和文件。
2. 使用 --profile-only 仅包含包含特定字符串的文件名（例如，--profile-only foo,bar,baz）。
3. 用 @profile 装饰感兴趣的函数，让 Scalene 仅报告这些函数。
4. 通过导入 Scalene 分析器（from scalene import scalene_profiler）并通过 scalene_profiler.start() 和 scalene_profiler.stop() 来编程方式开启和关闭分析。默认情况下，Scalene 在分析开启的情况下运行，因此要延迟分析到所需时间，请使用 --off 命令行选项（python3 -m scalene --off yourprogram.py）。

答： 在 PyCharm 中，您可以通过在 IDE 底部打开终端并运行 Scalene 命令（例如，python -m scalene <your program>）来在命令行中运行 Scalene。使用选项 --cli、--html 和 --outfile <your output.html> 生成 HTML 文件，然后您可以在 IDE 中查看。

答： 传入 --noreload 选项（参见 https://github.com/plasma-umass/scalene/issues/178）。

答： 可以！在程序开头放置以下代码，或如下修改对 monkey.patch_all 的调用：

from gevent import monkey
monkey.patch_all(thread=False)

答： Scalene 可以在 Mac OS X 上与 PyTorch 1.5.1 版本一起使用。PyTorch 的较新版本存在一个 bug（https://github.com/pytorch/pytorch/issues/57185），会干扰 Scalene 的运行（讨论见：https://github.com/plasma-umass/scalene/issues/110），但这只影响 Mac。

@inproceedings{288540,
author = {Emery D. Berger and Sam Stern and Juan Altmayer Pizzorno},
title = {Triangulating Python Performance Issues with {S}calene},
booktitle = {{17th USENIX Symposium on Operating Systems Design and Implementation (OSDI 23)}},
year = {2023},
isbn = {978-1-939133-34-2},
address = {Boston, MA},
pages = {51--64},
url = {https://www.usenix.org/conference/osdi23/presentation/berger},
publisher = {USENIX Association},
month = jul
}