为什么 pstats.print_callers() 会忽略限制参数？

Question

我正在尝试使用 cProfile 分析我的 python 脚本并使用 pstats 显示结果。特别是，我正在尝试使用 pstats 函数 p.sort_stats('time').print_callers(20) 按时间仅打印前 20 个函数，如 documentation 中所述。

我希望只获得前 20 个结果（分析的函数及其调用函数按时间排序），相反，我得到一个看似未经过滤的超过 1000 个函数的列表，完全饱和了我的终端（因此我估计超过1000 个函数）。

为什么我的限制参数（即 20）被 print_callers() 忽略，我该如何解决这个问题？

我尝试查找答案，但找不到。我尝试创建一个最小的可重现示例，但是当我这样做时，我无法重现问题（即它工作正常）。

我的分析代码是：

import cProfile
import pstats

if __name__ == '__main__':
    cProfile.run('main()', 'mystats')
    p = pstats.Stats('mystats')
    p.sort_stats('time').print_callers(20)

我尽量避免 post 我的完整代码，所以如果其他人以前遇到过这个问题，并且可以在没有看到我的完整代码的情况下回答，那就太好了。

非常感谢您。

编辑 1： 部分输出：

  Ordered by: internal time
   List reduced from 1430 to 1 due to restriction <1>

Function                               was called by...
                                           ncalls  tottime  cumtime
{built-in method builtins.isinstance}  <-    2237    0.000    0.000  <frozen importlib._bootstrap>:997(_handle_fromlist)
                                                9    0.000    0.000  <frozen importlib._bootstrap_external>:485(_compile_bytecode)
                                               44    0.000    0.000  <frozen importlib._bootstrap_external>:1117(_get_spec)
                                             4872    0.001    0.001  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\_strptime.py:321(_strptime)
                                                5    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\abc.py:196(__subclasscheck__)
                                               26    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\calendar.py:58(__getitem__)
                                               14    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\calendar.py:77(__getitem__)
                                                2    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\distutils\version.py:331(_cmp)
                                               20    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\enum.py:797(__or__)
                                              362    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\enum.py:803(__and__)
                                                1    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\inspect.py:73(isclass)
                                               30    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\json\encoder.py:182(encode)
                                                2    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\ntpath.py:34(_get_bothseps)
                                                1    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\ntpath.py:75(join)
                                                4    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\ntpath.py:122(splitdrive)
                                                3    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\ntpath.py:309(expanduser)
                                                4    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\os.py:728(check_str)
                                               44    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\re.py:249(escape)
                                                4    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\re.py:286(_compile)
                                              609    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\site-packages\dateutil\parser\_parser.py:62(__init__)
                                             1222    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\core\_methods.py:48(_count_reduce_items)
                                             1222    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\core\_methods.py:58(_mean)
                                                1    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\core\arrayprint.py:834(__init__)
                                             1393    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\core\fromnumeric.py:1583(ravel)
                                             1239    0.000    0.000  C:\Users\rafael.natan\AppData\Local\Continuum\anaconda3\lib\site-packages\numpy\core\fromnumeric.py:1966(sum)
...

Answer 1

我想通了。像往常一样，Python 库没有错误，而是我误解了函数调用的输出。

我在这里详细说明它作为一个答案，以防万一它可以帮助任何人在未来消除这个误解。

当我问这个问题时，我不明白为什么 p.print_callers(20) 打印到终端超过一千行，即使我将它限制在前 20 个函数调用（按时间）。

实际发生的情况是，我限制打印前 20 个 "most time consuming functions"，将列表限制为前 20 个函数，但随后打印调用 each 的所有函数的列表前 20 个函数中的 .

由于前 20 个函数中的每一个都被（平均）大约 100 个不同的函数调用，因此每个顶级函数都有大约 100 行与之相关联。所以 20*100=2000，所以 p.print_callers(20) 打印了超过 1000 行并使我的终端饱和。

我希望这可以节省一些时间和调试麻烦:)

为什么 pstats.print_callers() 会忽略限制参数？

Why is pstats.print_callers() ignores the restriction argument?

python

profile

cprofile

pstats