Microsoft Azure运行Jupyter notebook极坐标绘图速度过慢咨询

该异常耗时确实大概率与compute instance配置/状态、网络传输延迟两类因素相关，可按以下步骤排查优化：

计算实例侧排查 #

• 先确认实例规格与资源占用：如果当前使用的是Standard_DS1_v2等1核2G的入门级规格，后台未关闭的其他notebook内核、数据同步任务会挤占CPU资源，导致绘图库的渲染逻辑被阻塞。可在单元格运行!top查看CPU/内存占用率，若内核进程占用超过80%，可尝试重启内核，或升级到2核4G以上的实例规格。
• 检查绘图库版本：3.5.0版本以下的matplotlib存在极坐标渲染的已知性能缺陷，可运行import matplotlib; print(matplotlib.__version__)查看版本，版本过低时执行!pip install --upgrade matplotlib更新后重试。
• 调整绘图模式：如果开启了%matplotlib notebook交互渲染模式，切换为%matplotlib inline静态模式，渲染速度会有数倍提升。

网络延迟侧排查 #

• Azure Jupyter的绘图结果需要通过websocket回传到客户端浏览器，若你本地到对应Azure区域的网络延迟高于200ms，会出现明显的传输耗时，尤其当默认输出svg矢量图时，开销会进一步放大。可在绘图前添加%config InlineBackend.figure_format = 'png'，切换为更小体积的png格式降低传输开销。
• 检查是否开启了实时协作、高频自动保存等功能，这类功能会持续占用带宽挤占绘图结果的传输通道，临时关闭后可验证耗时是否下降。

多任务叠加耗时的优化方案 #

多次绘图时复用已创建的极坐标轴对象，不要每次绘图都重新初始化画布与轴，可避免重复初始化的固定开销，示例逻辑如下：

import matplotlib.pyplot as plt
import numpy as np

# 仅初始化一次极坐标轴
ax = plt.subplot(projection='polar')

# 多次绘图时复用ax对象
for i in range(10):
    ax.clear()
    theta, r = np.random.rand(2, 300)
    ax.plot(theta, r)
    plt.savefig(f'plot_{i}.png')

内容的提问来源于stack exchange，提问作者Sanjay Khatri