沒有什么內(nèi)存問題，是一行 Python 代碼解決不了的

內(nèi)存不足是項(xiàng)目開發(fā)過程中經(jīng)常碰到的問題，我和我的團(tuán)隊(duì)在之前的一個(gè)項(xiàng)目中也遇到了這個(gè)問題，我們的項(xiàng)目需要存儲和處理一個(gè)相當(dāng)大的動態(tài)列表，測試人員經(jīng)常向我抱怨內(nèi)存不足。但是最終，我們通過添加一行簡單的代碼解決了這個(gè)問題。

結(jié)果如圖所示：

我將在下面解釋它的工作原理。

舉一個(gè)簡單的“l(fā)earning”示例 - 創(chuàng)建一個(gè)DataItem類，在其中定義一些個(gè)人信息屬性，例如姓名，年齡和地址。

class?DataItem(object):
???def?__init__(self,?name,?age,?address):
???????self.name?=?name
???????self.age?=?age
???????self.address?=?address

首先讓我們嘗試下面這種測試方案：

d1?=?DataItem("Alex",?42,?"-")
print?("sys.getsizeof(d1):",?sys.getsizeof(d1))

答案是56字節(jié)?？雌饋肀容^小，結(jié)果令人滿意。

但是，讓我們檢查另一個(gè)數(shù)據(jù)多一些的對象：

d2?=?DataItem("Boris",?24,?"In?the?middle?of?nowhere")
print?("sys.getsizeof(d2):",?sys.getsizeof(d2))

答案仍然是56。這讓我們明白這個(gè)結(jié)果并不完全正確。

我們的直覺是對的，這個(gè)問題不是那么簡單。Python是一種非常靈活的語言，具有動態(tài)類型，它在工作時(shí)存儲了許多額外的數(shù)據(jù)。這些額外的數(shù)據(jù)本身就占了很多內(nèi)存。

例如，sys.getsizeof(“ ”)返回33，沒錯，每個(gè)空行就多達(dá)33字節(jié)！并且sys.getsizeof（1）將為此數(shù)字返回24-24個(gè)字節(jié)（我建議C程序員們現(xiàn)在點(diǎn)擊結(jié)束閱讀，以免對Python的美麗失去信心）。

對于更復(fù)雜的元素，例如字典，sys.getsizeof(dict())返回272個(gè)字節(jié)，這還只是一個(gè)空字典。舉例到此為止，但事實(shí)已經(jīng)很清楚了，何況RAM的制造商也需要出售他們的芯片。

現(xiàn)在，讓我們回到回到我們的DataItem類和“小測試”問題。

首先，我們將以較低級別輸出該類的全部內(nèi)容：

def?dump(obj):
????for?attr?in?dir(obj):
????????print("??obj.%s?=?%r"?%?(attr,?getattr(obj,?attr)))

這個(gè)函數(shù)將顯示隱藏在“隱身衣”下的內(nèi)容，以便所有Python函數(shù)（類型，繼承和其他包）都可以運(yùn)行。

結(jié)果令人印象深刻：

在GitHub上，有一個(gè)函數(shù)可以計(jì)算實(shí)際大小，通過遞歸調(diào)用所有對象的getsizeof實(shí)現(xiàn)。

def?get_size(obj,?seen=None):
???#?From?https://goshippo.com/blog/measure-real-size-any-python-object/
???#?Recursively?finds?size?of?objects
???size?=?sys.getsizeof(obj)
???if?seen?is?None:
???????seen?=?set()
???obj_id?=?id(obj)
???if?obj_id?in?seen:
???????return?0

#?Important?mark?as?seen?*before*?entering?recursion?to?gracefully?handle
???#?self-referential?objects
???seen.add(obj_id)
???if?isinstance(obj,?dict):
?????size?+=?sum([get_size(v,?seen)?for?v?in?obj.values()])
?????size?+=?sum([get_size(k,?seen)?for?k?in?obj.keys()])
???elif?hasattr(obj,?'__dict__'):
?????size?+=?get_size(obj.__dict__,?seen)
???elif?hasattr(obj,?'__iter__')?and?not?isinstance(obj,?(str,?bytes,?bytearray)):
?????size?+=?sum([get_size(i,?seen)?for?i?in?obj])
???return?size


#讓我們試一下：

d1?=?DataItem("Alex",?42,?"-")
print?("get_size(d1):",?get_size(d1))

d2?=?DataItem("Boris",?24,?"In?the?middle?of?nowhere")
print?("get_size(d2):",?get_size(d2))

我們分別得到460和484字節(jié)，這似乎更接近事實(shí)。

使用這個(gè)函數(shù)，我們可以進(jìn)行一系列實(shí)驗(yàn)。例如，我想知道如果DataItem放在列表中，數(shù)據(jù)將占用多少空間。

get_size([d1])函數(shù)返回532個(gè)字節(jié)，顯然，這些是“原本的”460+一些額外開銷。但是get_size([d1，d2])返回863個(gè)字節(jié)—小于460+484。get_size([d1，d2，d1])的結(jié)果更加有趣，它產(chǎn)生了871個(gè)字節(jié)，只是稍微多了一點(diǎn)，這說明Python很聰明，不會再為同一個(gè)對象分配內(nèi)存。

現(xiàn)在我們來看問題的第二部分。

答案是肯定的。Python是一個(gè)解釋器，我們可以隨時(shí)擴(kuò)展我們的類，例如，添加一個(gè)新字段：

d1?=?DataItem("Alex",?42,?"-")
print?("get_size(d1):",?get_size(d1))

d1.weight?=?66
print?("get_size(d1):",?get_size(d1))

這是一個(gè)很棒的特點(diǎn)，但是如果我們不需要這個(gè)功能，我們可以強(qiáng)制解釋器使用__slots__指令來指定類屬性列表：

class?DataItem(object):
???__slots__?=?['name',?'age',?'address']
???def?__init__(self,?name,?age,?address):
???????self.name?=?name
???????self.age?=?age
???????self.address?=?address

更多信息可以參考文檔中的“__dict__和__weakref__的部分。使用__dict__所節(jié)省的空間可能會很大”。

我們嘗試后發(fā)現(xiàn)：get_size（d1）返回的是64字節(jié)，對比460直接，減少約7倍。作為獎勵，對象的創(chuàng)建速度提高了約20％（請參閱文章的第一個(gè)屏幕截圖）。

真正使用如此大的內(nèi)存增益不會導(dǎo)致其他開銷成本。只需添加元素即可創(chuàng)建100,000個(gè)數(shù)組，并查看內(nèi)存消耗：

data?=?[]
for?p?in?range(100000):
???data.append(DataItem("Alex",?42,?"middle?of?nowhere"))

snapshot?=?tracemalloc.take_snapshot()
top_stats?=?snapshot.statistics('lineno')
total?=?sum(stat.size?for?stat?in?top_stats)
print("Total?allocated?size:?%.1f?MB"?%?(total?/?(1024*1024)))

在沒有__slots__的情況結(jié)果為16.8MB，而使用__slots__時(shí)為6.9MB。當(dāng)然不是7倍，但考慮到代碼變化很小，它的表現(xiàn)依然出色。

現(xiàn)在討論一下這種方式的缺點(diǎn)。激活__slots__會禁止創(chuàng)建其他所有元素，包括__dict__，這意味著，例如，下面這種將結(jié)構(gòu)轉(zhuǎn)換為json的代碼將不起作用：

def?toJSON(self):
????return?json.dumps(self.__dict__)

但這也很容易搞定，可以通過編程方式生成你的dict，遍歷循環(huán)中的所有元素：

def?toJSON(self):
???????data?=?dict()
???????for?var?in?self.__slots__:
???????????data[var]?=?getattr(self,?var)
???????return?json.dumps(data)

向類中動態(tài)添加新變量也是不可能的，但在我們的項(xiàng)目里，這不是必需的。

下面是最后一個(gè)小測試。來看看整個(gè)程序需要多少內(nèi)存。在程序末尾添加一個(gè)無限循環(huán)，使其持續(xù)運(yùn)行，并查看Windows任務(wù)管理器中的內(nèi)存消耗。

69Mb變成27Mb......好吧，畢竟我們節(jié)省了內(nèi)存。對于只添加一行代碼的結(jié)果來說已經(jīng)很好了。

注意：tracemalloc調(diào)試庫使用了大量額外的內(nèi)存。顯然，它為每個(gè)創(chuàng)建的對象添加了額外的元素。如果你將其關(guān)閉，總內(nèi)存消耗將會少得多，截圖顯示了2個(gè)選項(xiàng)：

可以使用numpy庫，它允許你以C風(fēng)格創(chuàng)建結(jié)構(gòu)，但在這個(gè)的項(xiàng)目中，它需要更深入地改進(jìn)代碼，所以對我來說第一種方法就足夠了。

奇怪的是，__slots__的使用從未在Habré上詳細(xì)分析過，我希望這篇文章能夠填補(bǔ)這一空白。

這篇文章看起來似乎是反Python的廣告，但它根本不是。Python是非常可靠的（為了“刪除”Python中的程序，你必須非常努力），這是一種易于閱讀和方便編寫的語言。在許多情況下，這些優(yōu)點(diǎn)遠(yuǎn)勝過缺點(diǎn)，但如果你需要性能和效率的最大化，你可以使用numpy庫像C++一樣編寫代碼，它可以非?？焖儆行У靥幚頂?shù)據(jù)。

最后，祝你編程愉快！

相關(guān)報(bào)道：?

https://medium.com/@alexmaisiura/python-how-to-reduce-memory-consumption-by-half-by-adding-just-one-line-of-code-56be6443d524

感謝閱讀