[英]High memory usage in python
以下简单的python代码:
class Node:
NumberOfNodes = 0
def __init__(self):
Node.NumberOfNodes += 1
if __name__ == '__main__':
nodes = []
for i in xrange(1, 7 * 1000 * 1000):
if i % 1000 == 0:
print i
nodes.append(Node())
占用数GB的内存; 我认为这是不合理的。 这在python中正常吗?
我该如何解决?(在我的原始代码中,我有大约700万个对象,每个对象有10个字段,并且需要8 GB的RAM)
如果字段的数量固定,则可以使用__slots__
节省大量内存。 请注意, __slots__
确实有一些限制,因此在选择在应用程序中使用__slots__
之前,请确保已仔细阅读有关使用__slots__
的说明 :
>>> import sys
>>> class Node(object):
NumberOfNodes = 0
def __init__(self):
Node.NumberOfNodes += 1
...
>>> n = Node()
>>> sys.getsizeof(n)
64
>>> class Node(object):
__slots__ = ()
NumberOfNodes = 0
def __init__(self):
Node.NumberOfNodes += 1
...
>>> n = Node()
>>> sys.getsizeof(n)
16
Python是一种固有的内存密集型编程语言。 有一些方法可以解决此问题。 __slots__
是一种方法。 另一种更极端的方法是使用numpy存储数据。 您可以使用numpy来创建结构化数组或记录-一种复杂的数据类型,使用最少的内存,但与普通的python类相比,其功能遭受了重大损失。 也就是说,您使用的是numpy数组类,而不是您自己的类-您无法在数组上定义自己的方法。
import numpy as np
# data type for a record with three 32-bit ints called x, y and z
dtype = [(name, np.int32) for name in 'xyz']
arr = np.zeros(1000, dtype=dtype)
# access member of x of a record
arr[0]['x'] = 1 # name based access
# or
assert arr[0][0] == 1 # index based access
# accessing all x members of records in array
assert arr['x'].sum() == 1
# size of array used to store elements in memory
assert arr.nbytes == 12000 # 1000 elements * 3 members * 4 bytes per int
在这里查看更多。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.