[转]从青铜到王者,一文教你节省90%内存占用

技术_编程语言 专栏收录该内容
128 篇文章 0 订阅

 

作者:【七步编程】公众号
原文:在Python中应用枚举类,只需要这1个理由就够了!
专注Python、AI、大数据,请关注公众号【七步编程】

Python效率低!

Python占内存!

Python太差劲!

作为近年来最为火热的编程语言之一,Python受到的争议和推崇同样很多。

无论是否从事Python方向的开发,都已经习惯把问题当做客观因素推卸给Python。

“你这个项目为什么耗时那么长?”

“Python的原因。”

我想说,Python为很多开发者背太多锅了。

的确,对比于C/C++、Java这些基于编译的语言而言,Python在内存利用和执行效率方面的确没有可比性。但是,它也没有大多数描述的那么不堪。

或许,有很多同学会想,至于为了一点一点内存费这么大劲吗?

至于!

举个例子,外出消费的过程中,觉得每次花费5块、10块不起眼,无关痛痒,但是每次月底还花呗的时候才发现居然消费了几千。

开发也一样,也许1个实例之间只节省了50byte,但是,100000000个呢?那就会节省高达5G的内存!

本文就来逐步介绍Python在内存方面的优惠,让你通过一篇文章迅速从青铜变成王者!

字典

字典对于Python就如同一把双刃剑。

字典在Python中要远比在Java、C++中占据更高的地位。在Python中,字典以其易于创建、删除、修改、读取,使得它备受欢迎。

我看过很多周围同事和GitHub开源代码,字典在Python中的使用频率非常之高。

但是,很多人却忽略了,字典具有很明显的弊端–耗内存

甚至很多从事多年Python开发的程序员也没有意识到这个问题,或者寻求替代方案。

下面来看一个例子,

>>> exm = {"x": 1, "y": 2, "z": 3}
>>> print(sys.getsizeof(exm))
240

直接使用字典,占用内存240byte

很多开发者已经习惯了使用Python字典,或者对前面提到的240byte没有什么概念。

那么,下面用类的方式来存储数据。这种方式在很多开源的Java、C++代码中非常常见。

下面来用用类实现以下等同字典的结构,

class Shape:
    def __init__(self, x, y, z):
        self.x = x
        self.y = y
        self.z = z

exm = Shape(1, 2, 3)

这样的话exm.x的功能等同于字典中的exm[“x”],可以用于访问对应的数据。

下面来看一下它占的内存,

>>> print(sys.getsizeof(exm) + sys.getsizeof(exm.__dict__))
168

通过实现类,1个实例可以比字典节省72byte的内存!

通过字典的方式是类方式内存占用的1.4倍。

由于在Python类中,会用__dict__存储类的属性值,因此,内存占据比重较大。这里168byte内存,其中56byte来自exm实例,112byte来自__dict__。

namedtuple

Python中常用的数据结构除了字典,还有元组tuple。

元组虽然可以用于存储数据,而且,可以通过索引进行取值,来替代通过key进行取值,但是它不具有键值信息。我想很多使用字典的场景,都是因为喜欢Python字典中key-value键值对,使得取值更加方便。

其实Python内置的collections提供了namedtuple可以替代字典的功能。

from collections import namedtuple

Shape = namedtuple('Shape', ['x', 'y', 'z'])

exm = Shape(1, 2, 3)

这样,我们可以通过exm.x进行取值,下面来看一下它的内存占用情况。

>>> print(sys.getsizeof(exm))
72

相比于类实现的方法,namedtuple节省了96byte,相对于字典,它更是节省了高达168byte

通过字典的方式是namedtuple内存占用的3.3倍。

slots

__slots__是在Python内存优化中用的相对较多的方式,它相对于前面介绍的类实现方式,__slots__能够确定性的指明哪些类属性可以访问,同时不需要__dict__去存储类属性的值,所以,对比于单纯的类实现形式能够进一步优化内存。

class Shape:

	__slots__ = 'x', 'y', 'z'

	def __init__(self, x, y, z):
		self.x = x
		self.y = y
		self.z = z

exm = Shape(1, 2, 3)

下面来看一下它的内存占用,

>>> print(sys.getsizeof(exm))
64

相对于字典,它更是节省了高达176byte

通过字典的方式是namedtuple内存占用的3.8倍。

recordclass

前面介绍的方法都是通过Python内置的方法或模块实现的,现在再来介绍一种通过第三方包实现内存优化的方式。

recordclass包引入了recordclass.mutabletuple类型,该类型与元组tuple几乎相同,但它支持赋值。在此基础上,创建的子类几乎与namedtuples完全相同,但支持将新值分配给字段(无需创建新实例)。

from recordclass import recordclass

Shape = recordclass('Shape', ('x', 'y', 'z'))

exm = Shape(1, 2, 3)
print(exm.x)

下面来看一下它的内存占用情况,

>>> print(sys.getsizeof(exm))
48

相对于字典,它更是节省了高达192byte

通过字典的方式是namedtuple内存占用的5倍。

Dataclass

recordclass还提供了另外一种更加节省内存的解决方案。

在内存中使用与具有__slots__的类实例中相同的存储结构,但不参与循环垃圾回收机制。

from recordclass import make_dataclass

Shape = make_dataclass('Shape', ('x', 'y', 'z'))

exm = Shape(1, 2, 3)
print(exm.x)

下面来看一下内存占用情况,

>>> print(sys.getsizeof(exm))
40

相对于字典,它更是节省了高达200byte

通过字典的方式是namedtuple内存占用的6倍。

Cython

最后一种方式,采用Cython

Cython 是具有 C 数据类型的 Python,因此,参数和变量都可以声明为C 数据类型,在内存上能够进一步优化。

不过,采用Cython方式要比前面几种方式更为复杂一些。首先需要把核心逻辑写在.pyx文件中,然后需要进行编译成.so或者.pyd文件。最后,在另一个Python文件中通过import导入模块。

下面来看一下示例,

# Example.pyx

cdef class Shape:
	cdef public int x, y, z

	def __init__(self, x, y, z):
		self.x = x
		self.y = y
		self.z = z

然后,写一下编译文件,

# setup.py

from distutils.core import setup
from Cython.Build import cythonize
setup(
    ext_modules = cythonize("cc.pyx")
)

在命令行下执行setup.py,编译文件,

$ python setup.py build_ext --inplace

在Windows下会生成一个Shape.pyd文件,在Linux和macOS下会生成Shape.so文件。这里只是介绍一下,对于使用无关紧要。

然后就是调用编译后的文件。

import Shape
exm = Shape(1, 2, 3)
print(exm.x)

下面来看一下它的内存占用情况,

>>> print(sys.getsizeof(exm))
32

相对于字典,它更是节省了高达208byte

通过字典的方式是namedtuple内存占用的7.5倍。

不积跬步,无以至千里。

在编程开发中也是这样,我们总是会觉得208byte微乎其微,对于现在计算机的内存来说无关紧要。或许,在一些财大气粗的公司、部门,动辄就可以提供一个集群让开发者使用。但是,内存是由上限的,不可能无节制的使用。但是,积少成多,在一个大工程中,数据量较大的项目中,如果进行这样的优化,内存优化是非常可观的。

以本文为例,很多Python开发者都已经习惯使用字典这种数据结构,并且对于内存占用不以为然。然而,你会发现,通过使用Cython,一个实例的内存可以从240byte优化到32byte,内存占用减少比例高达86.7%

推荐阅读

 

  • 0
    点赞
  • 0
    评论
  • 1
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
©️2020 CSDN 皮肤主题: 程序猿惹谁了 设计师:白松林 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值