1. 正则化匹配规则
- 在正则表达式中,如果直接给出字符,就是精确匹配。用
\d
可以匹配一个数字,\w
可以匹配一个字母或数字 - 要匹配变长的字符,在正则表达式中,用
*
表示任意个字符(包括0个),用+
表示至少一个字符,用?
表示0个或1个字符,用{n}
表示n个字符,用{n,m}
表示n-m个字符 ^
表示行的开头,^\d
表示必须以数字开头。$
表示行的结束,\d$
表示必须以数字结束。- 要做更精确地匹配,可以用
[]
表示范围,比如:
1.2 举例
[0-9a-zA-Z\_]
可以匹配一个数字、字母或者下划线;[0-9a-zA-Z\_]+
可以匹配至少由一个数字、字母或者下划线组成的字符串,比如’a100’,‘0_Z’,'Py3000’等等;[a-zA-Z\_][0-9a-zA-Z\_]*
可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的变量;[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}
更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)。A|B
可以匹配A或B,所以(P|p)ython可以匹配’Python’或者’python’。你可能注意到了,py也可以匹配’python’,但是加上^py$就变成了整行匹配,就只能匹配’py’了
2. 应用场景
在运行程序是,通过要进行压力测试,在程序的各项性能稳定时才可以进行上线,其中主要的性能指标包含cup,内存,显存,这里遇到的问题就是内存不断飙升的问题,在程序中手动加入del
删除变量,在接口处执行gc.collect()
进行手动的内存回收,并且加入torch.cuda.empty_cache()
清除gpu的内存。这种方式确实奏效,内存从80G左右,在压测时稳定在8G左右,达到上线的标准。
实际上另一个坑正在慢慢的酝酿,通过单独测试gc.collect()
指令,发现程序在压测20分钟后,仅仅执行gc.collect()
这一条指令,就使用了整整10s的时间!!太恐怖了,后面就想到了定时执行gc.collect()
,在内存和时间上进行折中,定时gc.collect()
函数如下
import re
import gc
import time,logging
def timmer(func):
def wrapper(*args,**kwargs):
#print('programe strat running...')
start = time.time()
try:
result = func(*args,**kwargs)
runtime = int((time.time() - start) * 1000)
print(func.__name__,'running %sms'%runtime)
return result
except:logging.error('programe running err!')
#finally: print('programe end running!\n')
return wrapper
@timmer
def run_gc(cur_date):
time_hms = re.search(r'(\d{2}:\d{2}:\d{2})', cur_date)
for i in range(0,60,2):
#print(str(i).zfill(2),end=",")
if time_hms.group(1).split(":")[1] == str(i).zfill(2):
gc.collect()
break
return
cur_date=time.asctime(time.localtime(time.time()))
print(cur_date)
start = time.time()
run_gc(cur_date)
print("run_gc运行时间为:",int((time.time() - start) * 1000),"ms")
"""
Fri Jun 11 17:10:58 2021
run_gc running 20ms
run_gc运行时间为: 20 ms
"""
测试gc
@timmer
def cal1():
data = range(1,50000000)
wdict = dict(zip(data,data))
@timmer
def cal2():
gc.disable()
data = range(1,50000000)
wdict = dict(zip(data,data))
gc.enable()
cal1()
cal2()
"""
cal1 running 7297ms
cal2 running 6991ms
"""
后续效果待更新