Python 程序的性能问题饱受诟病，按个人理解，首先要保证算法的复杂度在可以接受的范围， 这个也是影响性能的关键，其次当代码变得越来越长，模块越来越多，快速的得到性能指标数据， 分析瓶颈，并做出针对性的优化变得十分重要。
性能指标: - 运行速度：包括程序运行时间，各个函数调用用时，运行速度的瓶颈等 - 内存：总体占用内存的多少，是否有内存泄露等
运行速度
Linux Time Command
time 命令能够快速的掌握程序运行时间，
time python hello.py
real 0m1.028s
user 0m0.001s
sys 0m0.003s
输入的含义：
- real: 实际程序运行的用时，从开始到结束，包括等待其他进程的时间（如等待IO）
- user: user mode，非kernel的cpu time spend，可以认为是该进程真正运行时间，排除其他干扰。
- sys: ,kernel的cpu time spend
其中 user+sys != real, 很容易理解，程序执行分配的cpu时间片加上等待时间才是真正程序运行，外界
看到的时间消耗。当user+sys比real小得多时，应该是系统load比较高或改程序io wait较多。
Python code
可以写一个Timer Class，作为context manager，自己定义__enter__和__exit__，分别标记开始和结束，
是with或decorator来进行标记和计算。
line profiler
line profile, 是测试script每行执行情况的工具，使用的时候，
只需要对所需观察的函数添加@profile的decorator，并用kernprof.py -l -v xxx.py运行该程序，然后就会得到
每行的分析数据。
内存使用
memory profiler
memory profiler，能够得到script每行的内存占用情况，使用时
对所需观察的函数添加@profile的decorator，并用python -m memory_profiler xxx.py运行该程序。
objgraph memory leak
CPython的编译器实现使用引用计数的方式对object的内存进行管理，对象保存但计数为0，就会发送memory leak.
objgraph，可以得到object的reference关系以及添加或删除的操作等，
使用的时候通过pdb来注入objgraph。