scalene

KO | EN

gitlite — search

#typescript #go #android #machine-learning #rust #deep-learning #linux #macos #awesome #vue #pytorch #security #mcp #open-source

(★ 13,493)

Scalene: AI 기반 최적화 제안 기능을 갖춘, 파이썬을 위한 고성능·고정밀 CPU, GPU 및 메모리 프로파일러

scalene 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

![scalene](https://github.com/plasma-umass/scalene/raw/master/docs/scalene-icon-white.png)
# Scalene: AI 기반 최적화 제안 기능을 갖춘 파이썬 CPU+GPU+메모리 프로파일러
제작: [Emery Berger](https://emeryberger.com), [Sam Stern](https://samstern.me/), [Juan Altmayer Pizzorno](https://github.com/jaltmayerpizzorno).
[![Scalene community Slack](https://github.com/plasma-umass/scalene/raw/master/docs/images/slack-logo.png)](https://join.slack.com/t/scaleneprofil-jge3234/shared\_invite/zt-110vzrdck-xJh5d4gHnp5vKXIjYD3Uwg)[Scalene community Slack](https://join.slack.com/t/scaleneprofil-jge3234/shared\_invite/zt-110vzrdck-xJh5d4gHnp5vKXIjYD3Uwg)
[![PyPI Latest Release](https://img.shields.io/pypi/v/scalene.svg)](https://pypi.org/project/scalene/)[![Anaconda-Server Badge](https://img.shields.io/conda/v/conda-forge/scalene)](https://anaconda.org/conda-forge/scalene) [![Downloads](https://static.pepy.tech/badge/scalene)](https://pepy.tech/project/scalene)[![Anaconda downloads](https://img.shields.io/conda/d/conda-forge/scalene?logo=conda)](https://anaconda.org/conda-forge/scalene) [![Downloads](https://static.pepy.tech/badge/scalene/month)](https://pepy.tech/project/scalene) ![Python versions](https://img.shields.io/pypi/pyversions/scalene.svg?style=flat-square)[![Visual Studio Code Extension version](https://img.shields.io/visual-studio-marketplace/v/emeryberger.scalene?logo=visualstudiocode)](https://marketplace.visualstudio.com/items?itemName=EmeryBerger.scalene) ![License](https://img.shields.io/github/license/plasma-umass/scalene) [![GitHub Repo stars](https://img.shields.io/github/stars/plasma-umass/scalene?style=social)](https://github.com/plasma-umass/scalene)
![Ozsvald tweet](https://github.com/plasma-umass/scalene/raw/master/docs/Ozsvald-tweet.png)
([\_High Performance Python\_](https://smile.amazon.com/High-Performance-Python-Performant-Programming/dp/1492055026/ref=sr\_1\_1?crid=texbooks) 저자 Ian Ozsvald의 트윗)
![Semantic Scholar success story](https://github.com/plasma-umass/scalene/raw/master/docs/semantic-scholar-success.png)
[\_파이썬 프로파일러, 코드를 개선하기 위해 AI와 연동하다: Scalene은 비효율성을 식별하고 GPT-4에 개선안을 요청합니다\_](https://spectrum.ieee.org/python-programming), IEEE Spectrum
[에피소드 172: Scalene을 통한 파이썬 성능의 다양한 측면 측정](https://realpython.com/podcasts/rpp/172/), The Real Python 팟캐스트
\*\*\*Scalene 웹 기반 사용자 인터페이스:\*\*\* [https://scalene-gui.github.io/scalene-gui/](https://scalene-gui.github.io/scalene-gui/)
## Scalene 소개
Scalene은 파이썬을 위한 고성능 CPU, GPU *및* 메모리 프로파일러로, 다른 파이썬 프로파일러들은 수행하지 못하고 할 수 없는 다양한 기능들을 제공합니다. 다른 많은 프로파일러들에 비해 수십 배 빠른 속도로 실행되면서도 훨씬 더 상세한 정보를 제공합니다. 또한 AI 기반의 최적화 제안 기능을 통합한 최초의 프로파일러이기도 합니다.
### AI 기반 최적화 제안
> \*\*참고\*\*
>
> 최적화 제안을 위해 Scalene은 [Amazon Bedrock](https://aws.amazon.com/bedrock), [Microsoft Azure](https://azure.microsoft.com/en-us/), [OpenAI](https://openai.com), 그리고 [Ollama](https://ollama.com/)를 통한 로컬 모델 등 다양한 AI 제공자를 지원합니다. AI 제공자로부터 AI 기반 최적화 제안을 활성화하려면, "AI Optimization Options" 아래의 상자에서 제공자를 선택하고 필요한 경우 자격 증명을 입력해야 합니다.
>
> ![AI Optimization Options](https://github.com/user-attachments/assets/3c803237-063f-481a-8624-5c1d7f205c8a)
키와 기타 필요한 데이터를 입력한 후, 최적화 제안을 생성하려는 코드 줄 옆의 번개(⚡) 아이콘이나 코드 영역 전체의 폭발(💥) 아이콘을 클릭하세요. 제안된 최적화를 클릭하면 클립보드에 복사됩니다.
![example proposed optimization](https://user-images.githubusercontent.com/1612723/211639968-37cf793f-3290-43d1-9282-79e579558388.png)
번개나 폭발 아이콘을 원하는 만큼 클릭할 수 있으며,

다양한 최적화 제안을 생성합니다. 결과는 상황에 따라 다를 수 있지만, 어떤 경우에는 제안 내용이 꽤 인상적입니다(예: 자릿수가 바뀔 정도의 성능 향상).
### Quick Start
#### Installing Scalene:
```console
python3 -m pip install -U scalene
```
or
```console
conda install -c conda-forge scalene
```
#### Using Scalene:
Scalene을 설치한 후, 커맨드 라인에서 사용하거나 Visual Studio Code 확장 프로그램으로 사용할 수 있습니다.

Scalene VS Code Extension 사용하기:
먼저 [VS Code Marketplace에서 Scalene extension을 설치](https://marketplace.visualstudio.com/items?itemName=EmeryBerger.scalene)하거나, VS Code 내에서 Command-Shift-X(Mac) 또는 Ctrl-Shift-X(Windows)를 눌러 검색한 후 설치합니다. 설치가 완료되면 Command-Shift-P 또는 Ctrl-Shift-P를 눌러 [Command Palette](https://code.visualstudio.com/docs/getstarted/userinterface)를 엽니다. 그런 다음 **"Scalene: AI-powered profiling..."**을 선택합니다(Scalene을 입력하기 시작하면 설치되어 있을 경우 항목이 나타납니다). 이를 실행하고, 코드가 최소 1초 이상 실행된다면 웹뷰(webview)에 Scalene 프로필이 나타납니다.
![Screenshot 2023-09-20 at 7 09 06 PM](https://github.com/plasma-umass/scalene/assets/1612723/7e78e3d2-e649-4f02-86fd-0da2a259a1a4)

자주 사용되는 명령줄 옵션:
Scalene은 `run`(프로파일링용)과 `view`(결과 표시용)라는 두 가지 주요 명령어가 포함된 동사 기반 명령어 구조를 사용합니다.
```console
# Profile a program (saves to scalene-profile.json)
scalene run your\_prog.py
python3 -m scalene run your\_prog.py # equivalent alternative
# View a profile
scalene view # open profile in browser
scalene view --cli # view in terminal
scalene view --html # save to scalene-profile.html
scalene view --standalone # save as self-contained HTML
# Common profiling options
scalene run --cpu-only your\_prog.py # only profile CPU (faster)
scalene run -o results.json your\_prog.py # custom output filename
scalene run -c config.yaml your\_prog.py # load options from config file
# Pass arguments to your program (use --- separator)
scalene run your\_prog.py --- --arg1 --arg2
# Get help
scalene --help # main help
scalene run --help # profiling options
scalene run --help-advanced # advanced profiling options
scalene view --help # viewing options
```

YAML 설정 파일 사용하기:
Scalene 옵션을 YAML 설정 파일에 저장하고 `-c` 또는 `--config`를 사용하여 불러올 수 있습니다:
```console
scalene run -c scalene.yaml your\_prog.py
```
`scalene.yaml` 예시:
```yaml
# Output options
outfile: my-profile.json
# Profiling mode (use only one)
cpu-only: true # CPU profiling only (faster)
# gpu: true # Include GPU profiling
# memory: true # Include memory profiling
# Filter what gets profiled
profile-only: "mypackage,mymodule" # Only profile these paths
profile-exclude: "tests,venv" # Exclude these paths
profile-all: false # Profile all code, not just target
# Performance tuning
cpu-percent-threshold: 1 # Min CPU% to report (default: 1)
cpu-sampling-rate: 0.01 # Sampling interval in seconds
malloc-threshold: 100 # Min allocations to report
# Other options
use-virtual-time: false # Measure CPU time only (not I/O)
stacks: true # Collect stack traces (default: true)
memory-leak-detector: true # Detect likely memory leaks
```
명령줄 인수는 설정 파일의 설정을 덮어씁니다.

코드 내에서 프로그래밍 방식으로 Scalene 사용하기:
위와 같이 `scalene`을 불러온 후 다음과 같이 사용합니다:
```Python
from scalene import scalene\_profiler
# Turn profiling on
scalene\_profiler.start()
# your code
# Turn profiling off
scalene\_profiler.stop()
```
```Python
from scalene.scalene\_profiler import enable\_profiling
with enable\_profiling():
# do something
```

`@profile`을 사용하여 특정 함수만 Scalene으로 프로파일링하기:
프로파일링하려는 함수 앞에 `@profile` 데코레이터를 붙이고 Scalene으로 실행하면 됩니다:
```Python
# do not import profile!
@profile
def slow\_function():
import time
time.sleep(3)
```
#### 웹 기반 GUI
Scalene은 CLI와 웹 기반 GUI를 모두 제공합니다 [(데모 보기)](https://scalene-gui.github.io/scalene-gui/).
기본적으로 Scalene이 프로그램 프로파일링을 마치면 대화형 사용자 인터페이스가 포함된 웹 브라우저 탭이 열립니다(모든 처리는 로컬에서 수행됩니다). 막대 위에 마우스를 올려놓으면 CPU 및 메모리 소비 내역을 확인할 수 있으며, 밑줄 친 열 제목을 클릭하여 열을 정렬할 수 있습니다. 이 GUI는 인터넷 연결 없이 완전히 오프라인으로 작동합니다.
모든 자산이 포함된 완전한 독립형 HTML 파일을 생성하려면 `scalene view --standalone`을 사용하세요. 공유나 아카이빙에 매우 적합합니다.
[![Scalene web GUI](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/scalene-gui-example.png)](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/scalene-gui-example-full.png)
## Scalene 개요
### Scalene 발표 (PyCon US 2021)
PyCon 2021에서 진행된 [이 발표](https://youtu.be/5iEf-\_7mM1k)에서는 Scalene의 장점과 애플리케이션의 성능을 디버깅하는 데 사용하는 방법(및 내부 구조에 대한 일부 기술적 세부 정보)을 설명합니다. 이 영상을 강력히 추천합니다!
[![Scalene presentation at PyCon 2021](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/images/scalene-video-img.png)](https://youtu.be/5iEf-\_7mM1k "Scalene presentation at PyCon 2021")
### 빠르고 정확함
- Scalene은 \*\*\_빠릅니다\_** (fast). 계측(instrumentation)이나 Python의 트레이싱 기능을 사용하는 대신 샘플링을 사용합니다. 오버헤드는 일반적으로 10~20%를 넘지 않습니다(종종 그보다 적음).
- Scalene은 \*\*정확합니다\*\* (accurate). CPU 프로파일러의 정확도를 테스트한 결과, Scalene이 소요된 시간을 올바르게 측정하는 가장 정확한 프로파일러 중 하나임을 확인했습니다.
![Profiler accuracy](https://github.com/plasma-umass/scalene/raw/master/docs/cpu-accuracy-comparison.png)
- Scalene은 \*\*\_라인 수준\_** \_및\_ \*\*\_함수별\_**로 프로파일링을 수행하여, 프로그램에서 실행 시간에 책임을 지는 함수와 특정 코드 라인을 정확히 지목합니다.
### CPU 프로파일링
- Scalene은 \*\*Python에서 소비된 시간과 네이티브 코드(라이브러리 포함)에서 소비된 시간을 분리\*\*합니다. 대부분의 Python 프로그래머는 네이티브 코드(보통 Python 구현체나 외부 라이브러리에 있음)의 성능을 최적화하지 않으므로, 개발자가 실제로 개선할 수 있는 코드에 최적화 노력을 집중할 수 있도록 도와줍니다.
- Scalene은 \*\*핫스팟\*\*(CPU 시간 또는 메모리 할당의 상당 부분을 차지하는 코드)을 빨간색으로 \*\* 강조 표시\*\*하므로 더 쉽게 찾아낼 수 있습니다.
- 또한 Scalene은 \*\*시스템 시간\*\*을 분리하여 I/O 병목 현상을 쉽게 찾을 수 있도록 합니다.
### GPU 프로파일링
- Scalene은 \*\*GPU 시간\*\*을 보고합니다(현재 NVIDIA 기반 시스템으로 제한됨).
### 메모리 프로파일링
- Scalene은 \*\*메모리 사용량을 프로파일링\*\*합니다. CPU 사용량 추적 외에도, 메모리 증가를 유발하는 특정 코드 라인을 지목합니다. 이는 포함된 특수 메모리 할당자를 통해 이루어집니다.
- Scalene은 \*\*Python 코드와 네이티브 코드에 의해 소비된 메모리의 백분율을 분리\*\*합니다.
- Scalene은 \*\*\_라인별\_ 메모리 프로필\*\*을 생성합니다.
- Scalene은 \*\*메모리 누수가 발생할 가능성이 있는 라인을 식별\*\*합니다.
- Scalene은 \*\*\_복사 볼륨\_을 프로파일링\*\*하여, 특히 Python/라이브러리 경계를 넘나들 때(예: `numpy` 배열을 Python 배열로 실수로 변환하거나 그 반대의 경우) 의도치 않은 복사를 쉽게 찾아낼 수 있도록 합니다.
### 비동기(Async) 프로파일링
Scalene은 코루틴이 일시 중지된 정확한 라인에 월클락(wall-clock) \*\*`await` 시간\*\*을 할당하며, 해당 라인에서 동시에 대기 중인 코루틴의 \*\*평균\*\* 및 \*\*최대(peak)\*\* 수도 함께 제공합니다. 이를 통해 직렬화된 I/O(긴 `await`, 낮은 동시성)와 진정한 병렬 처리 작업을 쉽게 구분할 수 있습니다.

팬아웃(긴 `await`, 높은 동시성). GUI의 await 열은 줄마다 시계 방향의 파이 조각을 그림으로 표시하며, 조각이 클수록 해당 `await`에서 대기하며 보낸 시간이 더 많음을 의미합니다.
비동기 프로파일링은 기본적으로 켜져 있으며, 비활성화하려면 `--no-async`를 전달하세요.
비동기 코드가 아닌 경우의 오버헤드는 무시할 수 있는 수준입니다(시그널당 하나의 `frozenset` 조회가 발생하며, 실행 중인 코루틴이 없을 때는 `sys.monitoring` 콜백이 전혀 실행되지 않습니다).
![Per-line await time pies](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/images/scalene-async-pies.png)
### 스택 뷰 (호출 스택, 메모리 플레임 차트, 타임라인)
Scalene을 `--stacks`와 함께 실행하면(기본값이며, 비활성화하려면 `--no-stacks` 전달), 모든 CPU 및 할당 샘플에서 \*\*결합된 Python + 네이티브(C/C++) 스택\*\*을 캡처하고 GUI에 세 가지 방식으로 표시합니다.
- \*\*호출 스택(Call stacks)\*\* — 전체 실행 과정에서 상위 결합 스택들의 플레임 차트입니다. Python 프레임을 클릭하면 소스로 바로 이동할 수 있습니다. 네이티브 프레임은 맹글링이 해제되어 Python 프레임과 동일한 화면에 나란히 표시되므로, 핫 패스에 정확히 어떤 라이브러리 호출이 있는지 확인할 수 있습니다.
![Call stacks flame chart](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/images/scalene-call-stacks.png)
- \*\*메모리 스택(Memory stacks)\*\* — 해당 호출 경로를 따라 \*\*할당된 MB\*\*에 비례하여 프레임 너비가 결정되는 메모리 가중 플레임 차트입니다(샘플 수가 아님). 프로그램의 메모리 사용량에 어떤 호출 경로가 원인인지 파악하는 데 유용하며, 특히 라이브러리 깊은 곳에서 할당이 발생할 때 더욱 유용합니다.
![Memory stacks flame chart](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/images/scalene-memory-stacks.png)
- \*\*타임라인(Timeline)\*\* — 실제 시간을 기준으로 왼쪽에서 오른쪽으로 배치된 동일한 결합 스택의 아이시클/시계열 뷰이며, 상단 트랙에는 GC, I/O 및 GIL 활동이 표시됩니다. 코루틴은 `[await] task\_name` 프레임으로 표시되므로 각 작업이 언제 실행되었고 언제 대기했는지 확인할 수 있습니다.
![Timeline view](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/images/scalene-timeline.png)
세 가지 뷰 모두 접고 펼칠 수 있으며 크기 조절이 가능합니다. GUI 하단의 펼치기 삼각형을 통해 확장하세요.
### 기타 기능
- Scalene은 CPU의 1% 이상을 소비하거나 최소 100번 이상의 할당을 수행하는 라인만 보고하는 \*\*축소된 프로필\*\*(`--reduced-profile`을 통해)을 생성할 수 있습니다.
- Scalene은 특정 함수만 프로파일링할 수 있도록 `@profile` 데코레이터를 지원합니다.
- 백그라운드에서 실행된 프로그램(`&` 사용)을 Scalene이 프로파일링할 때, \*\*프로파일링을 일시 중지하고 재개\*\*할 수 있습니다.
- Scalene은 완벽한 CPU + 메모리 프로파일링을 갖춘 \*\*자유 스레드 Python(3.13t / 3.14t)\*\*을 지원합니다.
- Scalene의 GUI는 \*\*완전한 오프라인 / 에어갭(air-gapped)\*\* 환경을 지원합니다. 에셋이 내장되어 있으며 `scalene view --standalone`을 실행하면 이메일로 보내거나 보관할 수 있는 단일 자체 포함 HTML 파일이 생성됩니다.
# 다른 프로파일러와의 비교
## 성능 및 기능
아래 표는 다양한 프로파일러와 Scalene의 \*\*성능 및 기능\*\*을 비교한 것입니다.
![Performance and feature comparison](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/images/profiler-comparison.png)
- \*\*속도 저하(Slowdown)\*\*: Pyperformance 스위트의 벤치마크를 실행할 때의 속도 저하입니다. 초록색은 2배 미만의 오버헤드를 의미합니다. Scalene의 오버헤드는 단 35%의 속도 저하에 불과합니다.
Scalene은 다음 기능들을 모두 갖추고 있으며, 이 중 상당수는 Scalene만 지원합니다:
- \*\*라인 또는 함수(Lines or functions)\*\*: 프로파일러가 전체 함수에 대한 정보만 보고하는지, 아니면 모든 라인에 대해 보고하는지 여부 -- Scalene은 둘 다 지원합니다.
- \*\*수정되지 않은 코드(Unmodified Code)\*\*: 수정되지 않은 코드에서 작동합니다.
- \*\*스레드(Threads)\*\*: Python 스레드를 지원합니다.
- \*\*멀티프로세싱(Multiprocessing)\*\*: `multiprocessing` 라이브러리 사용을 지원합니다 -- \_Scalene 전용\_
- \*\*Python 대 C 시간(Python vs. C time)\*\*: Python과 네이티브 코드(예: 라이브러리)에서 소요된 시간을 각각 분리하여 보여줍니다 -- \_Scalene 전용\_
- \*\*시스템 시간(System time)\*\*: 시스템 시간(예: 대기 또는 I/O 수행)을 분리하여 보여줍니다 -- \_Scalene 전용\_
- \*\*메모리 프로파일링(Profiles memory)\*\*: 라인/함수별 메모리 소비량을 보고합니다.
- \*\*GPU\*\*: NVIDIA GPU에서 소요된 시간을 보고합니다 (예:

f present) -- \_Scalene 전용\_
- \*\*메모리 추세(Memory trends\*\*: 라인/함수별 시간에 따른 메모리 사용량 보고 -- \_Scalene 전용\_
- \*\*복사 볼륨(Copy volume\*\*: 초당 복사되는 메가바이트 보고 -- \_Scalene 전용\_
- \*\*누수 감지(Detects leaks\*\*: 메모리 누수가 의존될 가능성이 있는 라인을 자동으로 정확히 지적 -- \_Scalene 전용\_
- \*\*비동기 / `await` 프로파일링(Async / `await` profiling\*\*: 평균 및 피크 동시성과 함께, 일시 중단된 코루틴 시간에 대한 라인별 실시간 벽시계(wall-clock) 기여도 -- \_Scalene 전용\_
- \*\*결합된 Python + 네이티브 스택(Stitched Python + native stacks\*\*: Python과 C/C++ 프레임을 한 그림에 결합한 플레임 차트 및 실시간 타임라인 -- \_Scalene 전용\_
## 출력 (Output)
`--cli` 옵션을 포함하면, Scalene은 프로파일링 중인 프로그램과 동일한 디렉토리 또는 하위 디렉토리에 있는 해당 프로그램 및 사용하는 모든 모듈의 주석이 달린 소스 코드를 (텍스트, JSON(`--json`), 또는 HTML(`--html`) 형식으로) 출력합니다. (선택적으로 `--profile-all`을 지정하고 `--cpu-percent-threshold` 이상의 시간을 사용하는 파일만 포함하도록 할 수 있습니다.) 다음은 `pystone.py`의 일부 코드 조각입니다.
![Example profile](https://raw.githubusercontent.com/plasma-umass/scalene/master/docs/images/sample-profile-pystone.png)
\* \*\*상단의 메모리 사용량(Memory usage at the top)\*\*: "스파크라인(sparklines)"으로 시각화된, 프로파일링된 코드의 런타임 동안의 메모리 소비량.
\* \*\*"Time Python"\*\*: Python 코드에서 소요된 시간.
\* \*\*"native"\*\*: 비Python 코드(예: C/C++로 작성된 라이브러리)에서 소요된 시간.
\* \*\*"system"\*\*: 시스템(예: I/O)에서 소요된 시간.
\* \*\*"GPU"\*\*: (여기서는 표시되지 않음) 시스템에 NVIDIA GPU가 설치되어 있는 경우 GPU에서 소요된 시간.
\* \*\*"Memory Python"\*\*: 비Python 코드(예: C/C++로 작성된 라이브러리)가 아닌, 코드의 Python 측면에서 발생한 메모리 할당 비율.
\* \*\*"net"\*\*: 양수의 순 메모리 숫자는 메가바이트 단위의 총 메모리 할당량을 나타내고, 음수의 순 메모리 숫자는 메모리 회수를 나타냅니다.
\* \*\*"timeline / %"\*\*: "스파크라인"으로 시각화된, 프로그램 런타임 동안 이 라인에 의해 생성된 메모리 소비량 및 이 라인이 차지하는 전체 메모리 활동의 비율.
\* \*\*"Copy (MB/s)"\*\*: 초당 복사되는 메가바이트 양 ("Scalene 정보" 참조).
## Scalene
다음 명령어는 제공된 예제 프로그램에서 Scalene을 실행합니다.
```console
scalene test/testme.py
```

Scalene의 모든 옵션(`--help`를 실행하여 확인 가능)을 보려면 클릭하세요.
```console
% scalene --help
Scalene: a high-precision CPU and memory profiler, version 1.5.51 (2025.01.29)
https://github.com/plasma-umass/scalene
commands:
run Profile a Python program (saves to scalene-profile.json)
view View an existing profile in browser or terminal
examples:
% scalene run your\_program.py # profile, save to scalene-profile.json
% scalene view # view scalene-profile.json in browser
% scalene view --cli # view profile in terminal
in Jupyter, line mode:
%scrun [options] statement
in Jupyter, cell mode:
%%scalene [options]
your code here
% scalene run --help
Profile a Python program with Scalene.
examples:
% scalene run prog.py # profile, save to scalene-profile.json
% scalene run -o my.json prog.py # save to custom file
% scalene run --cpu-only prog.py # profile CPU only (faster)
% scalene run -c scalene.yaml prog.py # load options from config file
% scalene run prog.py --- --arg # pass args to program
% scalene run --help-advanced # show advanced options
options:
-h, --help show this help message and exit
-o, --outfile OUTFILE output file (default: scalene-profile.json)
--cpu-only only profile CPU time (no memory/GPU)
-c, --config FILE load options from YAML config file
--help-advanced show advanced options
% scalene run --help-advanced
Advanced options for scalene run:
background profiling:
Use --off to start with profiling disabled, then control it from another terminal:
% scalene run --off prog.py # start with profiling off
% python3 -m scalene.profile --on --pid  # resume profiling
% python3 -m scalene.profile --off --pid  # suspend profiling
options:
--profile-all profile all code, not just the target program
--profile-only PATH only profile files containing these strings (comma-separated)
--profile-exclude PATH exclude files containing these strings (comma-separated)
--profile-system-libraries profile Python stdlib and installed packages (default: skip)
--gpu profile GPU time and memory
--memory profile memory usage
--stacks collect stack traces (default: on)
--no-stacks disable stack-trace collection
--profile-interval N output profiles every N seconds (default: inf)
--use-virtual-time measure only CPU time, not I/O or blocking
--cpu-percent-threshold N only report lines with at least N% CPU (default: 1%)
--cpu-sampling-rate N CPU sampling rate in seconds (default: 0.01)
--allocation-sampling-window N allocation sampling window in bytes
--malloc-threshold N only report lines with at least N allocations (default: 100)
--program-path PATH directory containing code to profile
--memory-leak-detector EXPERIMENTAL: report likely memory leaks
--on start with profiling on (default)
--off start with profiling off
% scalene view --help
View an existing Scalene profile.
examples:
% scalene view # open in browser
% scalene view --cli # view in terminal
% scalene view --html # save to scalene-profile.html
% scalene view --standalone # save as self-contained HTML
% scalene view myprofile.json # open specific profile in browser
options:
-h, --help show this help message and exit
--cli display profile in the terminal
--html save to scalene-profile.html (no browser)
--standalone save as self-contained HTML with all assets embedded
-r, --reduced only show lines with activity (--cli mode)
```
### Jupyter에서의 Scalene 사용법

Jupyter notebook에서 Scalene을 설치하고 사용하는 방법
[이 노트북](https://nbviewer.jupyter.org/github/plasma-umass/scalene/blob/master/docs/scalene-demo.ipynb)은 Jupyter에서 Scalene을 사용하는 방법을 보여줍니다.
설치:
```console
!pip install scalene
%load\_ext scalene
```
라인 모드:
```console
%scrun [options] statement
```
셀 모드:
```console
%%scalene [options]
code...
code...
```
## 설치
`pip` 사용 (Mac OS X, Linux, Windows 및 WSL2)
Scalene은 `pip` 패키지로 배포되며 Mac OS X, Linux([Windows WSL2](https://docs.microsoft.com/en-us/windows/wsl/wsl2-index)의 Ubuntu 포함) 및 Windows 플랫폼에서 작동합니다.
> \*\*Windows 사용자 참고 사항\*\*
>
> Scalene 2.0부터 Windows는 전체 메모리 프로파일링을 지원합니다. 문제가
> 발생하는 경우 [Visual C++ Redistributable](https://aka.ms/vs/17/release/vc\_redist.x64.exe)이(가)
> 설치되어 있는지 확인하세요. 소스에서 빌드하는 경우 Visual C++ Build Tools와 CMake가 필요합니다.
>
다음과 같이 설치할 수 있습니다:
```console
% pip install -U scalene
```
또는
```console
% python3 -m pip install -U scalene
```
일부 패키지를 먼저 설치해야 할 수도 있습니다.
모든 Linux 배포판에 대한 전체 지침은 https://stackoverflow.com/a/19344978/4954434를 참조하세요.
Ubuntu/Debian의 경우:
```console
% sudo apt install git python3-all-dev
```

`conda` 사용 (Mac OS X, Linux, Windows 및 WSL2)
```console
% conda install -c conda-forge scalene
```
Scalene은 `conda` 패키지로 배포되며 Mac OS X, Linux([Windows WSL2](https://docs.microsoft.com/en-us/windows/wsl/wsl2-index)의 Ubuntu 포함) 및 Windows 플랫폼에서 작동합니다.
> \*\*Windows 사용자 참고 사항\*\*
>
> Scalene 2.0부터 Windows는 전체 메모리 프로파일링을 지원합니다. 문제가
> 발생하는 경우 [Visual C++ Redistributable](https://aka.ms/vs/17/release/vc\_redist.x64.exe)이(가)
> 설치되어 있는지 확인하세요.
>

ArchLinux의 경우
[AUR 패키지](https://aur.archlinux.org/packages/python-scalene-git/)를 통해 Arch Linux에 Scalene을 설치할 수 있습니다. 선호하는 AUR 헬퍼를 사용하거나 `PKGBUILD`를 수동으로 다운로드하고 `makepkg -cirs`를 실행하여 빌드하세요. 이렇게 하면 `libscalene.so`가 `/usr/lib`에 배치되므로, 그에 따라 아래 사용 지침을 수정하세요.
# 자주 묻는 질문 (FAQ)

PyTest와 함께 Scalene을 사용할 수 있나요?
\*\*A:\*\* 네! 다음과 같이 실행할 수 있습니다 (예시):
`scalene run -m pytest your\_test.py`
또는
`python3 -m scalene run -m pytest your\_test.py`

더 짧은 프로필을 얻거나 더 타겟팅된 프로파일링을 수행할 수 있는 방법이 있나요?
\*\*A:\*\* 네! 여러 가지 옵션이 있습니다:
1. `--reduced-profile`을 사용하여 메모리/CPU/GPU 활동이 있는 라인과 파일만 포함합니다.
2. `--profile-only`를 사용하여 특정 문자열을 포함하는 파일 이름만 포함합니다 (예: `--profile-only foo,bar,baz`).
3. 관심 있는 함수에 `@profile` 데코레이터를 추가하여 Scalene이 해당 함수\_만\_ 보고하도록 합니다.
4. Scalene 프로파일러(`from scalene import scalene\_profiler`)를 임포트한 다음 `scalene\_profiler.start()` 및 `scalene\_profiler.stop()`을 통해 프로그래밍 방식으로 프로파일링을 켜고 끕니다. 기본적으로 Scalene은 프로파일링이 켜진 상태로 실행되므로, 원하는 시점까지 프로파일링을 지연하려면 `--off` 명령줄 옵션을 사용하세요 (`scalene run --off yourprogram.py`).

PyCharm에서 Scalene을 어떻게 실행하나요?
\*\*A:\*\* PyCharm에서는 IDE 하단의 터미널을 열고 Scalene 명령(`scalene run ` 등)을 실행하여 명령줄에서 Scalene을 실행할 수 있습니다. 그런 다음 `scalene view --html`을 사용하여 IDE에서 볼 수 있는 HTML 파일(`scalene-profile.html`)을 생성합니다.

Django와 함께 Scalene을 어떻게 사용하나요?
\*\*A:\*\* `--noreload` 옵션을 전달하세요 (https://github.com/plasma-umass/scalene/issues/178 참조).

Scalene이 gevent/Greenlets과 함께 작동하나요?
\*\*A:\*\* 네! 프로그램 시작 부분에 다음 코드를 넣거나, 아래와 같이 `monkey.patch\_all` 호출을 수정하세요:
```python
from gevent import monkey
monkey.patch\_all(thread=False)
```

Mac에서 PyTorch와 함께 Scalene을 어떻게 사용하나요?
**A:** Scalene은 Mac OS X에서 PyTorch 버전 1.5.1과 함께 작동합니다. 최신 버전의 PyTorch에는 Scalene을 방해하는 버그가 있지만(https://github.com/pytorch/pytorch/issues/57185, 관련 토론: https://github.com/plasma-umass/scalene/issues/110), 이는 Mac에서만 발생합니다.

# 기술 정보
Scalene의 작동 방식에 대한 자세한 내용은 [OSDI 2023](https://www.usenix.org/conference/osdi23/presentation/berger)에서 Jay Lepreau 최우수 논문상(Jay Lepreau Best Paper Award)을 수상한 다음 논문을 참고하세요: [Triangulating Python Performance Issues with Scalene](https://arxiv.org/pdf/2212.07597). (이 논문에는 AI 기반 최적화 제안에 대한 정보는 포함되어 있지 않습니다.)

학술 논문에서 Scalene을 인용하려면 다음을 사용하세요:
```latex
@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
}
```

# 성공 사례
Scalene을 사용하여 성능 문제를 성공적으로 디버깅한 경우, [이 이슈에 댓글을 남겨주세요](https://github.com/plasma-umass/scalene/issues/58)!

# 감사의 글
로고는 [Sophia Berger](https://www.linkedin.com/in/sophia-berger/)가 제작했습니다.
이 자료는 미국 국립과학재단(National Science Foundation)의 보조금(Grant No. 1955610) 지원을 받아 수행된 연구를 바탕으로 합니다. 이 자료에 표현된 모든 의견, 발견, 결론 또는 권장 사항은 저자의 것이며, 반드시 미국 국립과학재단의 견해를 반영하는 것은 아닙니다.

scalene

scalene 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

scalene

scalene 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README