Какие инструменты профилирования существуют для анализа производительности программ?

Некоторые инструменты профилирования для анализа производительности программ:

• Java VisualVM. mlog.uz Визуальный инструмент, который предоставляет подробную информацию о запущенных Java-приложениях, включая использование ЦП, распределение памяти и активность потоков. mlog.uz
• YourKit Java Profiler. mlog.uz Коммерческий профайлер, предлагающий расширенные функции, такие как выборка ЦП, анализ распределения памяти и профилирование запросов к базе данных. mlog.uz
• gprof (GNU profiler). mlog.uz Инструмент для профилирования кода C++, использует статистическую выборку. mlog.uz
• Valgrind. mlog.uz ru.wikipedia.org Средство динамического двоичного анализа программ, содержит два плагина для профилирования производительности — Cachegrind и Callgrind. ru.wikipedia.org
• Xdebug. ru.wikipedia.org Средство профилирования PHP-скриптов. ru.wikipedia.org
• XHProf. ru.wikipedia.org Профилировщик для языка PHP. ru.wikipedia.org
• cProfile. blog.skillfactory.ru tproger.ru Встроенный в Python профайлер, написанный на языке C. blog.skillfactory.ru Может формировать отчёты о времени выполнения и затраченных ресурсах. blog.skillfactory.ru
• timeit. tproger.ru Ещё один встроенный инструмент Python для измерения времени выполнения. tproger.ru
• Py-Spy. tproger.ru Способен генерировать интерактивные графики пламени, которые обеспечивают визуальное представление относительного времени, затраченного на каждую функцию. tproger.ru
• line_profiler. tproger.ru Предоставляет более подробные данные, чем cProfile, что полезно для выявления конкретных строк кода, которые являются потенциальными узкими местами в производительности. tproger.ru
• memory_profiler. tproger.ru Инструмент для профилирования использования памяти в программах на Python, может предоставлять построчные отчёты о потреблении памяти. tproger.ru
• Yappi (Yet Another Python Profiler). tproger.ru Профилировщик процессора и потоков для Python, может профилировать время выполнения отдельных потоков, что полезно для многопоточных приложений Python. tproger.ru