当前位置：文江博客话题详情

推荐哪种 Python 内存分析器？

发布于 2024-07-04 22:06:59 字数 1830 浏览 6 评论 0原文

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

氛圍 2024-07-11 22:06:59

考虑 objgraph 库（请参阅这篇博文作为示例案件）。

回复收藏 0 原文

不寐倦长更 2024-07-11 22:06:59

Muppy 是（又一个）Python 内存使用分析器。该工具集的重点是识别内存泄漏。

Muppy 试图帮助开发人员识别 Python 应用程序的内存泄漏。它可以跟踪运行时的内存使用情况并识别泄漏的对象。此外，还提供了一些工具，可以定位未发布对象的来源。

回复收藏 0 原文

指尖上的星空 2024-07-11 22:06:59

我正在开发一个名为 memprof 的 Python 内存分析器：

http://jmdana.github.io/memprof/

它允许您在执行修饰方法期间记录并绘制变量的内存使用情况。您只需使用以下方法导入库：

from memprof import memprof

并使用以下方法装饰您的方法：

@memprof

这是有关绘图外观的示例：

enter image此处描述

该项目托管在 GitHub 中：

https://github.com/jmdana/memprof

I'm developing a memory profiler for Python called memprof:

http://jmdana.github.io/memprof/

It allows you to log and plot the memory usage of your variables during the execution of the decorated methods. You just have to import the library using:

from memprof import memprof

And decorate your method using:

@memprof

This is an example on how the plots look like:

enter image description here

The project is hosted in GitHub:

https://github.com/jmdana/memprof

回复收藏 0 原文

凉城已无爱 2024-07-11 22:06:59

我发现 meliae 比 Heapy 或 PySizer 功能更强大。如果您碰巧正在运行 wsgi web 应用程序，那么 Dozer 是 Dowser 的一个很好的中间件包装器

回复收藏 0 原文

巷子口的你 2024-07-11 22:06:59

还可以尝试 pytracemalloc 项目，它提供了每个 Python 行号的内存使用情况。

编辑（2014/04）：它现在有一个 Qt GUI 来分析快照。

回复收藏 0 原文

晨与橙与城 2024-07-11 22:06:59

我推荐 Dowser。设置非常简单，并且您不需要对代码进行零更改。您可以通过简单的 Web 界面查看随时间变化的每种类型的对象计数、查看活动对象列表、查看对活动对象的引用。

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.server.quickstart()
    cherrypy.engine.start(blocking=False)

您导入 memdebug，然后调用 memdebug.start。就这样。

我还没有尝试过 PySizer 或 Heapy。我很感激其他人的评论。

更新

以上代码适用于CherryPy 2.X，CherryPy 3.X的server.quickstart方法已已删除，并且 engine.start 不采用 blocking 标志。因此，如果您使用的是 CherryPy 3.X

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.engine.start()

I recommend Dowser. It is very easy to setup, and you need zero changes to your code. You can view counts of objects of each type through time, view list of live objects, view references to live objects, all from the simple web interface.

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.server.quickstart()
    cherrypy.engine.start(blocking=False)

You import memdebug, and call memdebug.start. That's all.

I haven't tried PySizer or Heapy. I would appreciate others' reviews.

UPDATE

The above code is for CherryPy 2.X, CherryPy 3.X the server.quickstart method has been removed and engine.start does not take the blocking flag. So if you are using CherryPy 3.X

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.engine.start()

回复收藏 0 原文

夜灵血窟げ 2024-07-11 22:06:59

guppy3 使用起来非常简单。在代码中的某个时刻，您必须编写以下内容：

from guppy import hpy
h = hpy()
print(h.heap())

这会给您一些像这样的输出：

Partition of a set of 132527 objects. Total size = 8301532 bytes.
Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
0  35144  27  2140412  26   2140412  26 str
1  38397  29  1309020  16   3449432  42 tuple
2    530   0   739856   9   4189288  50 dict (no owner)

您还可以找到引用对象的位置并获取有关该对象的统计信息，但不知何故，相关文档有点稀疏。

还有一个用 Tk 编写的图形浏览器。

对于 Python 2.x，请使用 Heapy。

guppy3 is quite simple to use. At some point in your code, you have to write the following:

from guppy import hpy
h = hpy()
print(h.heap())

This gives you some output like this:

Partition of a set of 132527 objects. Total size = 8301532 bytes.
Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
0  35144  27  2140412  26   2140412  26 str
1  38397  29  1309020  16   3449432  42 tuple
2    530   0   739856   9   4189288  50 dict (no owner)

You can also find out from where objects are referenced and get statistics about that, but somehow the docs on that are a bit sparse.

There is a graphical browser as well, written in Tk.

For Python 2.x, use Heapy.

回复收藏 0 原文

情定在深秋 2024-07-11 22:06:59

我的模块 memory_profiler 能够打印内存使用情况的逐行报告，并在 Unix 上运行和 Windows（最后一个需要 psutil）。输出不是很详细，但目标是让您概述代码在哪里消耗了更多内存，而不是对分配的对象进行详尽的分析。

使用 @profile 修饰函数并使用 -m memory_profiler 标志运行代码后，它将打印如下逐行报告：

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a

My module memory_profiler is capable of printing a line-by-line report of memory usage and works on Unix and Windows (needs psutil on this last one). Output is not very detailed but the goal is to give you an overview of where the code is consuming more memory, not an exhaustive analysis on allocated objects.

After decorating your function with @profile and running your code with the -m memory_profiler flag it will print a line-by-line report like this:

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a

回复收藏 0 原文

~没有更多了~

关于作者

心安伴我暖

暂无简介

0 文章

0 评论

23 人气

关注发私信

友情链接

文江博客

推荐哪种 Python 内存分析器？

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

评论（8）

关于作者

相关话题

热门标签

推荐作者

淡笑忘祈一世凡恋

我们的影子

素年丶

南笙

18215568913

qq_xk7Ean

友情链接

推荐哪种 Python 内存分析器？

如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

评论（8）

关于作者

相关话题

热门标签

推荐作者

淡笑忘祈一世凡恋

我们的影子

素年丶

南笙

18215568913

qq_xk7Ean

友情链接

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。