监控正在运行的Python程序的内存使用情况

管理内存在任何编程逻辑中都很重要，但这对Python是必要的。由于Python用于 Ml 和 AI，其中使用了需要管理的大量数据。内存泄漏，即程序运行几个小时后内存不足。为了管理这种内存泄漏，内存监控是必不可少的。监控内存也称为分析。作为开发人员，我们有必要分析我们的程序并尽可能少地使用内存分配。

方法 1：使用 Tracemalloc

Tracemalloc 是一个库模块，用于跟踪Python的每个内存块。跟踪通过在运行时使用 start() 开始。该库模块还可以提供有关已分配内存块的总大小、数量和平均大小的信息。让其函数与一个适当的例子 -

Python3

# importing the module
import tracemalloc
  
# code or function for which memory
# has to be monitored
def app():
    lt = []
    for i in range(0, 100000):
        lt.append(i)
  
# starting the monitoring
tracemalloc.start()
  
# function call
app()
  
# displaying the memory
print(tracemalloc.get_traced_memory())
  
# stopping the library
tracemalloc.stop()

输出：

输出以 (current,peak) 的形式给出，即当前内存是代码当前使用的内存，峰值内存是程序执行时使用的最大空间。

(0,3617252)

方法 2：使用 Psutil

Psutil 是Python系统库，用于跟踪系统中的各种资源及其利用率。该库用于分析、限制和管理进程资源。为了安装它，请执行以下操作-

sudo pip install psutil [Linux]
pip install psutill [Windows]

让我们用一个例子来看看。您所要做的就是在代码中添加装饰器函数和 process_memory函数，这将为您提供代码及其前后消耗的内存。

蟒蛇3

# importing libraries
import os
import psutil
  
# inner psutil function
def process_memory():
    process = psutil.Process(os.getpid())
    mem_info = process.memory_info()
    return mem_info.rss
  
# decorator function
def profile(func):
    def wrapper(*args, **kwargs):
  
        mem_before = process_memory()
        result = func(*args, **kwargs)
        mem_after = process_memory()
        print("{}:consumed memory: {:,}".format(
            func.__name__,
            mem_before, mem_after, mem_after - mem_before))
  
        return result
    return wrapper
  
# instantiation of decorator function
@profile
  
# main code for which
# memory has to be monitored
def func():
    x = [1] * (10 ** 7)
    y = [2] * (4 * 10 ** 8)
    del x
    return y
  
func()

输出：

func: consumed memory: 307,261,440

方法 3：使用经典内存分析器

内存分析器形式 pypi 是一个用于监控进程内存的Python库模块。它使用 psutil 代码创建装饰器，然后使用它来获取内存分配。有了这个pypi模块，通过导入就可以省去一行，直接调用装饰器。要安装使用以下 -

pip install -U memory_profiler

让我们通过一段代码来看看——

蟒蛇3

# importing the library
from memory_profiler import profile
  
# instantiating the decorator
@profile
# code for which memory has to
# be monitored
def my_func():
    x = [x for x in range(0, 1000)]
    y = [y*100 for y in range(0, 1500)]
    del x
    return y
  
if __name__ == '__main__':
    my_func()

输出：

输出显示代码中每一行消耗的内存。使用内存分析器可以很容易地找到内存消耗，因为我们直接调用装饰器而不是编写全新的代码。

Line #    Mem usage    Increment  Occurences   Line Contents
============================================================
     2     30.5 MiB     30.5 MiB           1   @profile
     3                                         def my_func():
     4     30.6 MiB      0.1 MiB        1003       x = [x for x in range(0,1000)]
     5     30.7 MiB      0.1 MiB        1503       y = [y*100 for y in range(0,1500)]
     6     30.7 MiB      0.0 MiB           1       del x
     7     30.7 MiB      0.0 MiB           1       return y