「Python实用秘技06」逐行监听Python程序的内存消耗
本文完整示例代码及文件已上传至我的
Github
仓库https://github.com/CNFeffery/PythonPracticalSkills
这是我的系列文章「Python实用秘技」的第6期,本系列立足于笔者日常工作中使用Python
积累的心得体会,每一期为大家带来一个几分钟内就可学会的简单小技巧。
作为系列第6期,我们即将学习的是:一行代码分析Python代码行级别内存消耗
。
很多情况下,我们需要对已经写好的Python
程序的内存消耗进行优化,但是一段代码在运行过程中的内存消耗是动态变化的,这种时候就可以用到memory_profiler
这个第三方库,它可以帮助我们分析记录Python
脚本中,执行到每一行时,内存的消耗及波动变化情况。
memory_profiler
的使用方法超级简单,使用pip install memory_profiler
完成安装后,只需要从memory_profiler
导入profile
并作为要分析的目标函数的装饰器即可,譬如下面这个例子:
demo.py
import numpy as np
from memory_profiler import profile
@profile
def demo():
a = np.random.rand(10000000)
b = np.random.rand(10000000)
a_ = a[a < b]
b_ = b[a < b]
del a, b
return a_, b_
if __name__ == '__main__':
demo()
接着在终端执行python demo.py
,稍事等待后,就会看到打印出的分析结果报告(这里我是在jupyter lab
里执行的终端命令):
其中Line #
列记录了分析的各行代码具体行位置,Mem usage
列记录了当程序执行到该行时,当前进程占用内存的量,Increment
记录了当前行相比上一行内存消耗的变化量,Occurrences
记录了当前行的执行次数(循环、列表推导等代码行会记作多次),Line Contents
列则记录了具体对应的行代码。
通过这样细致的内存分析结果,我们就能有的放矢地优化我们的代码啦~
本期分享结束,咱们下回见~
最新文章
- Java面试题整理二(侧重SSH框架)
- LoadRunner 脚本学习 -- 使用动态链接库
- sdk 更新的时连接不上dl-ssl.google.com解决办法
- [Effective JavaScript 笔记]第15条:当心局部块函数声明笨拙的作用域
- Gym 100971D Laying Cables 单调栈
- I/O小总结
- 下拉刷新ListView实现原理
- 使用 voluptuous 校验数据
- bootstrap学习笔记之基础导航条 http://www.imooc.com/code/3111
- 2018蓝桥杯 省赛D题(测试次数)
- hdu 3415";Max Sum of Max-K-sub-sequence";(单调队列)
- VUE的语法笔记
- java 扫描输入
- Android 自动化测试——Monkey测试
- 免费CDN公共库——网站提速 静态资源库
- Codeforces 817C Really Big Numbers - 二分法 - 数论
- ROS-PCQ基于IP的限速(总带宽上下行5M)
- IEEE Bigger系列题解
- Sybase数据库第三方软件安装
- 常见企业IT支撑【4、gitlab代码管理工具】