【11-13】Python 服务性能排查三板斧：cProfile、内存快照与压测定位

现象

一个内部 Python 服务上线后运行平稳，但某天开始接口响应从 200 毫秒涨到 2 秒以上。本文记录完整的排查过程。

第一板斧：cProfile 定位热点

用 cProfile 对接口处理函数采样：

import cProfile
cProfile.run("handle_request()", sort="cumtime")

结果显示一个序列化函数 to_dict 被调用了数万次，累计耗时占比超过六成。顺着调用链发现，是一次改动把循环内的数据库查询从批量改成了逐条。

第二板斧：tracemalloc 查内存

响应变慢的同时内存也涨了。用 tracemalloc 抓两个时间点的内存快照做对比：

import tracemalloc
tracemalloc.start()
# ... 业务代码 ...
snapshot = tracemalloc.take_snapshot()

对比发现大量 Session 对象未释放，是连接使用后没有在异常路径上关闭，补上 finally 释放逻辑后内存回落。

第三板斧：压测验证

修复后用压测工具以 50 并发验证，P99 耗时从 2300 毫秒降到 180 毫秒，内存稳定。

小结

性能排查的顺序很重要：先找热点，再查资源，最后用数据验证。避免凭感觉优化。