python代码性能分析_Python代码性能分析 - 第2部分-测量内存消耗

Python部落(python.freelycode.com)组织翻译，禁止转载，欢迎转发。

在这篇文章中，我将讨论一些工具，可以帮助我们解决Python中棘手的问题。

特别是在使用PyPy时：内存消耗问题。

为什么我们首先关心这个？ 为什么我们不关心性能？ 这些问题的答案是相当复杂的，但我会总结一下。

PyPy是Python解释器的一个替代品，它具有比CPython更好的优势：速度（尽管它是即时编译器），兼容性（几乎可以替代CPython）和并发（使用stackless和greenlet）。

PyPy的一个缺点是，由于它是JIT并实现垃圾回收器，所以它通常比CPython消耗更多的内存。然而，在某些情况下，它能够比CPython消耗更少的内存。

接下来我们将介绍如何测量应用程序消耗的内存量。

系列索引

下面的链接将在文章发布后生效：

1.安装

2.内存分析

3.CPU分析 - Python脚本

4.CPU分析 - Python解释器

诊断内存使用情况

memory_profiler

memory_profiler，一个可用于测量解释器运行工作负载的内存量的库。可以通过pip安装：

还要安装psutil依赖：

该工具的优点在于它可以在Python脚本中逐行显示内存消耗。这有助于我们从脚本中找到可以重写的地方。但这种分析有一个缺点，就是代码将比通常的脚本运行速度慢10到20倍。

如何使用它?你只需将@profile()指令添加到需要测量的函数中即可。

让我们在实际情况下看看！ 我们将使用上一篇文章中的素材脚本作为模型，稍加修改以消除统计部分。代码放在GitHub上。

要开始测量，请对使用以下命令：

或更短，通过直接在脚本中导入memory_profiler：

执行这行后，我们将看到PyPy：

我们可以看到这个脚本使用了24.371094 MiB的RAM。让我们分析一下。我们看到，大多数在构建数组时使用。它不包括偶数，并保存所有其他的数。

我们可以通过调用带有增量参数的range函数来改善这一点。 在这种情况下，脚本将如下所示：

如果我们再次测量，我们看到：

太好了，现在我们的内存消耗降到了22.75 MiB。也可以通过使用列表推导来改进一点。

再次测量：

我们的最终版本的脚本只消耗22.421875 MiB。与第一版相比，这几乎减少了10％的内存消耗。

英文原文：https://pythonfiles.wordpress.com/2017/05/18/hunting-python-performance-part-2/

译者：moocou