memory_profiler 是一个 Python 模块，用于监控和分析 Python 程序的内存使用情况。下面是如何使用 memory_profiler 的基本示例。
安装 memory_profiler
首先，你需要安装 memory_profiler 模块。你可以使用 pip 来安装：
1
| pip install memory_profiler
|
使用示例
以下是一个简单的示例，演示如何使用 memory_profiler 来分析函数的内存使用情况。
示例代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| from memory_profiler import profile
import time
@profile
def my_function():
a = [1] * (10**6)
time.sleep(2)
b = [2] * (2 * 10**7)
time.sleep(2)
del b
time.sleep(2)
return a
if __name__ == '__main__':
my_function()
|
运行示例
保存上面的代码到一个 Python 文件中（例如 memory_test.py），然后运行该文件：
解释输出
memory_profiler 会生成类似下面的输出：
1
2
3
4
5
6
7
8
9
10
11
12
13
| Filename: memory_test.py
Line # Mem usage Increment Occurrences Line Contents
=============================================================
4 17.4 MiB 17.4 MiB 1 @profile
5 def my_function():
6 24.6 MiB 7.2 MiB 1 a = [1] * (10**6)
7 24.6 MiB 0.0 MiB 1 time.sleep(2)
8 176.0 MiB 151.4 MiB 1 b = [2] * (2 * 10**7)
9 176.0 MiB 0.0 MiB 1 time.sleep(2)
10 24.6 MiB -151.4 MiB 1 del b
11 24.6 MiB 0.0 MiB 1 time.sleep(2)
12 24.6 MiB 0.0 MiB 1 return a
|
解释
- Mem usage: 内存使用量
- Increment: 内存增量
- Occurrences: 该行代码执行的次数
- Line Contents: 代码行
这个输出显示了每行代码执行前后的内存使用情况，以及每行代码的内存使用增量。这对于识别内存泄漏和优化内存使用非常有用。
实时监控内存使用
除了使用装饰器外，你还可以使用 memory_profiler 进行实时内存使用监控。以下是一个示例：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| from memory_profiler import memory_usage
import time
def my_function():
a = [1] * (10**6)
time.sleep(2)
b = [2] * (2 * 10**7)
time.sleep(2)
del b
time.sleep(2)
return a
if __name__ == '__main__':
mem_usage = memory_usage(my_function)
print(f"Memory usage over time: {mem_usage}")
|
运行上述代码，会打印出 my_function 执行期间的内存使用情况列表。
这些示例展示了如何使用 memory_profiler 来分析和监控 Python 程序的内存使用。根据你的需求，你可以选择使用装饰器或实时监控方法。