如何使用 enable_profile 函数精确定位 JoinQuant 策略的性能瓶颈？

在聚宽（JoinQuant）平台中，找出代码耗时瓶颈的最直接、最有效的方法是使用内置的性能分析函数 enable_profile()。

该函数可以详细统计策略中每一行代码的执行次数、总耗时以及占用总运行时间的百分比。

以下是具体的使用步骤和说明：

1. 如何使用 enable_profile()

你需要将 enable_profile() 函数放在策略代码的最上方（所有函数之外），或者在 initialize 函数的第一行调用。

代码示例：

# -*- coding: utf-8 -*-
# 开启性能分析（请在所有代码之前调用）
enable_profile()

def initialize(context):
    # 正常的初始化代码
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    run_daily(market_open, time='every_bar')

def market_open(context):
    # 你的策略逻辑
    security = '000001.XSHE'
    close_data = attribute_history(security, 5, '1d', ['close'])
    # ... 其他逻辑

2. 查看分析结果

1. 点击“运行回测”：性能分析功能仅在点击编辑器右上角的 “运行回测”（Full Backtest）时才会生效。点击“编译运行”是看不到分析结果的。
2. 查看日志/结果页面：回测完成后，在回测结果页面的“日志”或“性能分析”标签页中，你会看到类似下面的统计表格。

结果示例解读：

// 函数名及所在行号
Function: market_open at line 10

// Line #: 行号
// Hits: 该行代码执行的次数
// Time: 该行代码总耗时（单位通常是微秒）
// Per Hit: 每次执行平均耗时
// % Time: 该行耗时占整个函数运行时间的百分比（重点关注）

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
    10                                           def market_open(context):
    11       240          500      2.1      0.1      security = '000001.XSHE'
    12       240      5000000  20833.3     95.5      close_data = attribute_history(...) 
    13       240         1000      4.2      0.1      ...

分析方法：

• 重点关注 % Time 列数值最高的行。
• 关注 Hits（执行次数）非常大的行，这通常意味着循环过多或在不必要的地方（如每分钟）重复计算了不需要频繁更新的数据。

3. 注意事项与建议

1. 缩短回测时间：开启 enable_profile() 本身会显著增加回测的耗时。因此，不要跑全量回测。建议将回测时间范围缩短到 1周或1个月，足以暴露出代码的性能瓶颈。
2. 用完即删：找到问题并优化代码后，务必删除或注释掉 enable_profile()，否则正式回测会非常慢。
3. 常见耗时原因：
   • 在循环中获取数据：例如在 for 循环中反复调用 get_price 或 attribute_history。应尽量批量获取数据（传入股票列表）后再处理。
   • 频繁的 I/O 操作：过多的 log.info 或 print 输出会严重拖慢速度。
   • 重复计算：在 handle_data（分钟级）中计算了其实只需要每天算一次的数据。

Q&A

Q: enable_profile() 可以在模拟交易中使用吗？
A: 不可以。该函数是回测环境专用的 API，仅用于策略开发和调试阶段的性能优化。

Q: 为什么我加了 enable_profile() 还是没看到输出？
A: 请确认你点击的是 “运行回测” 按钮，而不是“编译运行”。此外，确保代码没有在初始化阶段就报错退出。

Q: 既然 enable_profile 会拖慢速度，有没有不使用它也能大致判断瓶颈的方法？
A: 可以通过观察日志输出的时间戳，或者手动在代码关键位置插入 import time; s=time.time() 和 print(time.time()-s) 来计算特定代码块的耗时，但这比使用内置工具要繁琐得多。

Q: 批量获取数据真的比循环获取快很多吗？
A: 是的。例如 history(count, unit, field, security_list) 一次性获取 100 只股票的数据，比写一个 100 次的循环每次获取一只股票要快得多，因为减少了与底层数据库交互的次数和上下文切换的开销。