py-spy 安装和配置指南
2026-01-21 04:40:07作者:尤峻淳Whitney
1. 项目基础介绍和主要编程语言
项目基础介绍
py-spy 是一个用于 Python 程序的采样分析器(sampling profiler)。它允许你在不重启程序或修改代码的情况下,可视化 Python 程序的运行情况。py-spy 具有极低的开销,因为它使用 Rust 编写,并且不会在与被分析的 Python 程序相同的进程中运行。这意味着 py-spy 可以安全地用于生产环境中的 Python 代码分析。
主要编程语言
py-spy 主要使用 Rust 语言编写,以确保其高性能和低开销。
2. 项目使用的关键技术和框架
关键技术
- Rust:
py-spy的核心代码使用 Rust 编写,以确保高效和安全。 - Python: 用于分析和可视化 Python 程序的运行情况。
- CPython 解释器: 支持所有最近的 CPython 解释器版本(2.3-2.7 和 3.3-3.11)。
框架
- PyPI: 通过 PyPI 分发预构建的二进制轮子。
- Homebrew: 在 macOS 上通过 Homebrew 安装。
- AUR: 在 Arch Linux 上通过 AUR 安装。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在安装 py-spy 之前,请确保你的系统满足以下要求:
- 操作系统: Linux, macOS, Windows 或 FreeBSD。
- Python 版本: 支持 CPython 2.3-2.7 和 3.3-3.11。
- Rust 工具链(可选): 如果你希望通过 Rust 编译安装,请确保已安装 Rust 工具链。
详细安装步骤
通过 PyPI 安装
-
安装 pip(如果尚未安装):
sudo apt-get install python3-pip # 对于 Debian/Ubuntu 系统 -
安装 py-spy:
pip install py-spy
通过 Homebrew 安装(仅限 macOS)
-
安装 Homebrew(如果尚未安装):
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" -
安装 py-spy:
brew install py-spy
通过 AUR 安装(仅限 Arch Linux)
-
安装 yay(如果尚未安装):
sudo pacman -S yay -
安装 py-spy:
yay -S py-spy
通过 Rust 编译安装
-
安装 Rust 工具链(如果尚未安装):
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh -
安装 py-spy:
cargo install py-spy
配置和使用
安装完成后,你可以通过命令行使用 py-spy 来分析 Python 程序。以下是一些常用的命令:
-
生成火焰图:
py-spy record -o profile.svg --pid 12345 -
实时查看函数调用情况:
py-spy top --pid 12345 -
显示当前调用栈:
py-spy dump --pid 12345
通过这些步骤,你可以轻松地安装和配置 py-spy,并开始分析你的 Python 程序。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
674
4.31 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
626
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
945
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
301
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
908
暂无简介
Dart
920
225
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212