博客

详解Python 跟踪使用情况

  • Post category:Python

Python 提供了一种内存管理机制来跟踪内存使用情况。可以使用 Python 内置的 tracemalloc 模块来跟踪 Python 程序的内存使用情况。下面是使用tracemalloc进行内存跟踪的完整攻略。

安装tracemalloc

tracemalloc 是 Python3 中的标准库，因此无需安装。

使用tracemalloc跟踪内存

import tracemalloc

# 开始跟踪内存
tracemalloc.start()

# 需要跟踪内存的代码
a = [i * 2 for i in range(10_000)]

# 停止跟踪内存
tracemalloc.stop()

上述代码中，我们使用 tracemalloc函数将内存跟踪功能打开，然后执行代码，最后关闭内存跟踪功能。

使用 tracemalloc 进行内存跟踪后，我们可以获取程序执行期间内存使用的详细信息。我们可以使用 tracemalloc 模块的 get_traced_memory() 函数获得程序执行期间使用的内存量。此函数将返回一个元组，其中包含当前使用的内存和峰值内存。

import tracemalloc

# 开始跟踪内存
tracemalloc.start()

# 需要跟踪内存的代码
a = [i * 2 for i in range(10_000)]

# 获取内存使用量
memory_used = tracemalloc.get_traced_memory()

# 停止跟踪内存
tracemalloc.stop()

print(f"当前内存使用: {memory_used[0] / 10**6} MB")
print(f"内存峰值: {memory_used[1] / 10**6} MB")

上述代码中，我们使用 tracemalloc 函数将内存跟踪功能打开，然后执行代码 a = [i * 2 for i in range(10_000)]，最后使用 tracemalloc.get_traced_memory() 函数获取内存使用情况。我们还打印了内存使用和内存峰值。最后，我们使用 tracemalloc.stop() 函数关闭内存跟踪功能。

示例1：内存泄漏追踪

import tracemalloc
import gc


class MyClass:
    def __init__(self):
        self.data = [i ** 2 for i in range(10_000)]


# 打开内存跟踪功能
tracemalloc.start(10)

# 创建对象列表
objs = []
for i in range(1_000):
    obj = MyClass()
    objs.append(obj)

# 收集不再使用的对象并释放它们所占用的内存
del objs
gc.collect()

# 获取内存使用信息
memory_used = tracemalloc.get_traced_memory()

# 关闭内存跟踪功能
tracemalloc.stop()

print(f"当前内存使用量: {memory_used[0] / 10**6} MB")
print(f"内存峰值: {memory_used[1] / 10**6} MB")

上述代码中，我们创建了 MyClass 类作为测试对象，并将 1000 个对象保存到 objs 列表变量中。在 objs 列表中删除所有对象并调用 gc.collect() 函数来回收内存。最终，我们使用 tracemalloc.get_traced_memory() 函数获取内存使用信息，并使用 tracemalloc.stop() 函数关闭内存跟踪功能。

如果内存泄漏，tracemalloc将此程序行为映射到内存消耗，并且可以在验证了结果之后通过正常配置［或程序更改］进行修复。

示例2：比较内存占用

import tracemalloc

# 打开内存跟踪功能
tracemalloc.start(10)

# 创造一个 100MB 大小的数组
array1 = [0] * (10 ** 5 * 100//8)

# 获取内存跟踪信息
memory1 = tracemalloc.get_traced_memory()

# 一个更小的数组
array2 = [0] * (10 ** 5 * 1//8)

# 再次获取内存跟踪信息
memory2 = tracemalloc.get_traced_memory()

# 停止内存跟踪
tracemalloc.stop()

print(f"创建 100MB 数组使用 {memory1[0] / 10**6} MB")
print(f"创建 1MB 数组使用 {memory2[0] / 10**6} MB")

上述代码中，我们使用 tracemalloc 函数将内存跟踪功能打开，然后创建具有不同大小的两个数组，记录内存使用情况，最后关闭内存跟踪功能。使用内存跟踪功能可以更直观地看到差异。在本示例中，我们创建的 100MB 大小数组比1MB 的数组使用更多的内存。

总之，Python 中内存跟踪功能十分强大，能帮助定位内存泄漏等问题，并可以提高程序的性能。

Tags: