Python内存分析工具：memory_profiler_python memory profile

上官网地址：https://pypi.org/project/memory-profiler/

安装： pip install -U memory_profiler

使用：

方式一，直接运行文件，或者命令行运行：

# _*_coding:utf-8_*_
# Python程序内存分析
from memory_profiler import profile
 
 
@profile(precision=4)  # 统计内存的精度
def my_func():
    import time
    a = [1, 3, 4, 5]
    for i in a:
        pass
    return time.time()
 
 
if __name__ == '__main__':
    my_func()

python -m memory_profiler script.py

***命令行运行会丢失精度***

---

方式二：将结果输出到日志文件

# _*_coding:utf-8_*_
# Python程序内存分析
from memory_profiler import profile
 
 
# 使用装饰器，配置精度，将结果输出到日志
@profile(precision=4, stream=open("memory_profiler.log", "w+"))
def my_func():
    import time
    a = [1, 3, 4, 5]
    for i in a:
        pass
    return time.time()
 
 
if __name__ == '__main__':
    my_func()

---

方式三：mprof 使用

mprof的可用命令是：

• mprof run：运行可执行文件，记录内存使用情况
• mprof plot：绘制一个记录的内存使用情况（默认情况下，最后一个）
• mprof list：以用户友好的方式列出所有记录的内存使用情况文件。
• mprof clean：删除所有记录的内存使用情况文件。
• mprof rm：删除特定记录的内存使用情况文件

mprof run script.py   # 运行程序，会生成一个结果数据文件
mprof plot # 根据最后一条数据文件生成图表

---

跟踪子进程

方式一：总结所有子进程的内存和父进程的使用情况并跟踪每个子进程
mprof run --include-children <script>
 
 
 
方式二：独立于主进程跟踪每个子进程，通过索引将子行序列化到输出流。使用多进程
 
mprof run --multiprocess <script> 

---

设置调试器断点

可以根据使用的内存量设置断点。也就是说，您可以指定一个阈值，一旦程序使用的内存超过阈值中指定的内存，它将停止执行并运行到 pdb 调试器中。要使用它，您必须使用@profile装饰上一节中完成的函数，然后使用选项-m memory_profiler --pdb-mmem=X运行您的脚本，其中 X 是一个数字，表示以 MB 为单位的内存阈值. 例如：

$ python -m memory_profiler --pdb-mmem=100 my_script.py

一旦代码在装饰函数中使用超过 100 MB，将运行my_script.py并进入 pdb 调试器。

---

应用程序接口

# _*_coding:utf-8_*_
# Python程序内存分析
from memory_profiler import profile, memory_usage
 
 
# 使用装饰器，配置精度，将结果输出到日志
# @profile(precision=4, stream=open("memory_profiler.log", "w+"))
def my_func():
    import time
    a = [1, 3, 4, 5]
    for i in a:
        pass
    return time.time()
 
 
# proc=-1  为当前进程
# interval 以1秒的间隔获取timeout时间内的内存使用情况
me = memory_usage(proc=-1, interval=1, timeout=10)
 
 
if __name__ == '__main__':
    # my_func()
    print(me)