Python 解释cProfile结果：小函数中的总时间与累积时间

我的大部分Python程序都花在一个名为

\u build\u userdbs

的方法中。我正在使用一个很棒的工具来帮助解释结果。下面有一个截图

现在，在这张图片中，我在

\u build\u userdbs

。在这个大绿圈的右边是一个叫做

\u append\u record

的方法，正如您所看到的，它几乎占用了所有

\u build\u userdbs

。我明白这一点

但这是令人困惑的部分。内部绿色圆圈外的绿色圆圈（占绝大多数时间）是

\u append\u记录

的累积时间减去

\u append\u记录

中调用的函数的累积时间

从数量上讲，

\u append\u记录的累计时间是55970秒。那是内部的绿色圆圈。它的总时间是54210秒。那是外面的绿色圆圈

\u append\u record
，您可以看到，如果在新选项卡中打开该图像，将调用其他两个函数。这些是：


json.dumps（）
（累计459秒）
\u userdb\u scratch\u file\u path（）
（累计161秒）
打开
（累计2160秒）
打印
（小于未显示的帧的.1%）

好吧，这很有道理；由于
\u append\u record
的累积时间和总时间之间的差异相对较小，它必须在自己的堆栈框架中进行大量处理，而不是将其委托给其他函数。但这里是函数的主体：

def _append_record(self, user, record):
    record = json.dumps(record)
    dest_path = self._userdb_scratch_file_path(user)
    with open(dest_path, 'at') as dest:
        print(record, file=dest)

那么，所有这些处理过程都在哪里进行呢？这个函数调用开销是造成差异的原因吗？分析开销？这些结果只是不准确吗？为什么不调用
close（）
函数