日誌
沒錯，就是日誌。再多強調在你的應用程式裡保留足量的日誌的重要性也不為過。你應該對重要的內容打日誌。如果你的日誌打的夠好的話，單看日誌你就能發現問題所在。那樣可以節省你大量的時間。
如果一直以來你都在程式碼裡亂用 print 語句，馬上停下來。換用logging.debug。以後你還可以繼續重複使用，或是全部停用等等。
追蹤
有時更好的辦法是看執行了哪些語句。你可以使用一些IDE的調試器的單步執行，但你需要明確知道你在找那些語句，否則整個過程會進行地非常緩慢。
標準函式庫裡面的trace模組，可以列印執行階段包含在其中的模組裡所有執行到的語句。 (就像製作一份專案報告)
python -mtrace –trace script.py
登入後複製
這會產生大量輸出（執行到的每一行都會被打印出來，你可能想要用grep過濾那些你感興趣的模組）.
比如：
python -mtrace –trace script.py | egrep '^(mod1.py|mod2.py)'
登入後複製
調試器
以下是如今應該人盡皆知的一個基礎介紹：
import pdb
pdb.set_trace() # 开启pdb提示
登入後複製
🎀
python -mpdb script.py
在輸入-計算-輸出循環(註：REPL，READ-EVAL-PRINT-LOOP的縮寫)環境下，可以有以下操作：
c or continue
q 或 quit
l or list, 顯示當前步幀的源碼
w or where,回溯調用過程
d or down, 後退一步幀（註：相當於回滾）
u or up, 前進一步幀
(回車), 重複上一條指令其餘的幾乎全部指令（還有很少的其他一些命令除外）,在當前步幀上當作python程式碼進行解析。
如果你覺得挑戰性還不夠的話，可以試試smiley，-它可以給你展示那些變數而且你能使用它來遠端追蹤程式。
更好的調試器
pdb的直接替代者：
ipdb(easy_install ipdb) – 類似ipython(有自動完成，顯示顏色等)
pudb(easy_install pudb) – 基於curses（類似圖形介面，特別適合瀏覽原始碼
遠端偵錯器
安裝方式:
sudo apt-get install winpdb
用下面的方式取代以前的pdb.set_trace()：
rrrerehed檔案-關聯
不喜歡Winpdb?也可以直接包裝PDB在TCP之上運作！
這樣做：
try:
（一段抛出异常的代码）
except:
import pdb
pdb.pm() # 或者 pdb.post_mortem()
或者(输入 c 开始执行脚本)登入後複製
只想要一個REPL環境？試試IPython如何？
如果你不需要一個完整齊全的調試器，那就只需要用一下的方式啟動一個IPython即可：
import rpdb2
rpdb2.start_embedded_debugger("secretpassword")登入後複製
標準linux工具
我常常竟然未被驚訝於它們竟然充分利用它們竟然充分利用。你能用這些工具解決很大範圍內的問題：從效能問題（太多的系統調用，記憶體分配等等）到死鎖，網路問題，磁碟問題等等。
其中最有用的是最直接的strace，只需要運行 sudo strace -p 12345 或 strace -f 指令(-f 即同時追蹤fork出來的子進程)，這就行了。輸出通常會非常大，所以你可能想要把它重定向到一個檔案以便做更多的分析（只需要加上 &> 檔案名稱）。
再就是ltrace,有點類似strace，不同的是，它輸出的是函式庫函數呼叫。參數大體相同。
還有lsof 用來指出你在ltrace/strace中看到的句柄數值的意義。例如：
lsof -p 12345
更好的追蹤
使用簡單而可以做很多事情-人人都該裝上htop！
sudo apt-get install htop
sudo htop
現在找到那些你想要的進程，再輸入：
s - 代表系統調用過程(類似strace)
L - 代表庫調用過程(類似代表庫調用
l - 代表lsof
監控
沒有好的持續的伺服器監控，但是如果你曾遇到一些很詭異的情況，諸如為什麼一切都運行的那麼慢，那些系統資源都乾什麼去了，。 。 。等這些問題，想弄清楚卻又 無處下手之際，不必動用iotop,iftop,htop,iostat,vmstat這些工具，就用dstat吧！它可以做之前我們提過的大部分工作可 以做的事情，也許可以做的更好！
它會用一種緊湊的，代碼高亮的方式（不同於iostat,vmstat）向你持續展示數據，你還經常可以看到過去的數據（不同於iftop,iostop,htop）。
只需運行：
dstat --cpu --io --mem --net --load --fs --vm --disk-util --disk-tps --freespace --swap --top- io --top-bio-adv
很可能有一种更简短的方式来写上面这条命令，
这是一个相当复杂而又强大的工具，但是这里我只提到了一些基本的内容（安装以及基础的命令）
sudo apt-get install gdb python-dbg
zcat /usr/share/doc/python2.7/gdbinit.gz > ~/.gdbinit
用python2.7-dbg 运行程序：
sudo gdb -p 12345
现在使用：
bt - 堆栈跟踪（C 级别）
pystack - python 堆栈跟踪,不幸的是你需要有~/.gdbinit 并且使用python-dbg
c - 继续
发生段错误？用faulthandler ！
python 3.3版本以后新增的一个很棒的功能，可以向后移植到python2.x版本。只需要运行下面的语句，你就可以大抵知道什么原因引起来段错误。
import faulthandler
faulthandler.enable()
内存泄露
嗯，这种情况下有很多的工具可以使用，其中有一些专门针对WSGI的程序比如Dozer，但是我最喜欢的当然是objgraph。使用简单方便，让人惊讶！
它没有集成WSGI或者其他，所以你需要自己去发现运行代码的方法，像下面这样：
import objgraph
objs = objgraph.by_type("Request")[:15]
objgraph.show_backrefs(objs, max_depth=20, highlight=lambda v: v in objs,
filename="/tmp/graph.png")
Graph written to /tmp/objgraph-zbdM4z.dot (107 nodes)
Image generated as /tmp/graph.png
你会得到像这样一张图（注意：它非常大)。你也可以得到一张点输出。
内存使用
有时你想少用些内存。更少的内存分配常常可以使程序执行的更快，更好，用户希望内存合适好用)
有许多可用的工具，但在我看来最好用的是pytracemalloc。与其他工具相比，它开销非常小（不需要依赖于严重影响速度的sys.settrace）而且输出非常详尽。但安装起来比较痛苦，你需要重新编译python，但有了apt，做起来也非常容易。
只需要运行这些命令然后去吃顿午餐或者干点别的：
apt-get source python2.7
cd python2.7-*
wget? https://github.com/wyplay/pytracemalloc/raw/master/python2.7_track_free_list.patch
patch -p1 < python2.7_track_free_list.patch
debuild -us -uc
cd ..
sudo dpkg -i python2.7-minimal_2.7*.deb python2.7-dev_*.deb
接着安装pytracemalloc （注意如果你在一个virtualenv虚拟环境下操作，你需要在重新安装python后再次重建 – 只需要运行 virtualenv myenv）
pip install pytracemalloc
现在像下面这样在代码里包装你的应用程序
import tracemalloc, time
tracemalloc.enable()
top = tracemalloc.DisplayTop(
5000, # log the top 5000 locations
file=open('/tmp/memory-profile-%s' % time.time(), "w")
)
top.show_lineno = True
try:
# code that needs to be traced
finally:
top.display()登入後複製
输出会像这样：
2013-05-31 18:05:07: Top 5000 allocations per file and line
#1: .../site-packages/billiard/_connection.py:198: size=1288 KiB, count=70 (+0),
average=18 KiB
#2: .../site-packages/billiard/_connection.py:199: size=1288 KiB, count=70 (+0),
average=18 KiB
#3: .../python2.7/importlib/__init__.py:37: size=459 KiB, count=5958 (+0),
average=78 B
#4: .../site-packages/amqp/transport.py:232: size=217 KiB, count=6960 (+0),
average=32 B
#5: .../site-packages/amqp/transport.py:231: size=206 KiB, count=8798 (+0),
average=24 B
#6: .../site-packages/amqp/serialization.py:210: size=199 KiB, count=822 (+0),
average=248 B
#7: .../lib/python2.7/socket.py:224: size=179 KiB, count=5947 (+0), average=30
B
#8: .../celery/utils/term.py:89: size=172 KiB, count=1953 (+0), average=90 B
#9: .../site-packages/kombu/connection.py:281: size=153 KiB, count=2400 (+0),
average=65 B
#10: .../site-packages/amqp/serialization.py:462: size=147 KiB, count=4704
(+0), average=32 B
…
