Visual Studio 的 CPU 使用率工具可直接定位性能瓶颈，支持发布版精准分析和调试中局部采集；需配置为发布模式、选用正确解释器（Python 限 CPython），并结合其他工具区分真实根因。
直接用 Visual Studio 的 CPU 使用率 工具就能看到代码性能瓶颈，不需要额外装插件或写计时代码——它在发布版本上跑得最准，也支持调试中局部采集。
用“性能探查器”跑一次完整 CPU 分析
这是最常用、最接近真实场景的方式。关键不是“能不能看”，而是“怎么选对范围”：
- 按
Alt+F2打开性能探查器，选“灵活”选项卡 → 勾选CPU 使用率 - 务必把解决方案配置设为
发布，不是调试；本地部署目标通常就选项目名本身 - 点击“开始”后，Visual Studio 会启动应用并自动收集全程数据；操作完想测的流程（比如点个按钮、加载一页），再关掉应用
- 报告里重点关注“函数调用树”视图：深色条越长、百分比越高，说明该函数占 CPU 时间越多
- 注意“模块”列——如果高耗时函数来自第三方 DLL 或系统库（如
System.Private.CoreLib），别急着改自己代码，先确认是不是用了低效 API
在调试中只测某一段代码
适合快速验证一个函数改完后有没有变快，但容易漏掉 JIT 编译、GC 等上下文开销：
Visual Studio Professional 18.8.1
下载
Visual Studio 18.8.1 官方固定版本安装引导程序，当前条目使用微软发布历史中的 Professional Web Installer，适合旧项目兼容、环境回退、复现特定构建链和排查版本差异等场景。
- 在想测的代码前加断点（比如
doWork()开头），再在结尾加一个断点 - 按
F5启动调试，停在第一个断点后，打开“诊断工具”窗口（Ctrl+Alt+F2） - 确保“CPU 使用率”已启用，点“开始录制”，再按
F5跑到第二个断点 - 此时只收集了两个断点之间的数据，但要注意：如果中间触发了 GC 或线程切换，这部分时间也会被计入——它反映的是“这段逻辑在当前调试上下文里的表现”，不是绝对值
Python 代码也能分析，但有硬性限制
不是所有 Python 环境都支持，搞错解释器类型会直接看不到数据：
- 必须用
CPython（32 位推荐），不能用IronPython或PyPy - 在 Python 环境窗口里确认当前选中的是 CPython 解释器路径，比如
python.exe而不是ipy.exe - 分析入口只能是“独立脚本”或“打开项目”，不支持直接分析当前打开的单个
.py文件 - 报告里显示的是“毫秒级耗时”，但不会像 C# 那样给出调用栈深度或内联提示；如果函数里大量调用
requests.get或pandas.read_csv，热点会落在这些库内部，你得结合源码看它们的参数是否合理
真正容易被忽略的是：CPU 使用率高 ≠ 代码写得差。有时候是算法复杂度问题，有时候是同步等待 I/O（比如没用 async 却在等网络响应），还有时候是 .NET 的 ThreadPool 饥饿导致线程反复创建销毁——这些在“CPU 使用率”视图里都只显示为“高”，得配合“事件查看器”或“.NET 异步工具”一起看才能定位根因。
