memory_profiler的使用

做用：memory_profiler是用來分析每行代碼的內存使用狀況

使用方法一：

　　 1.在函數前添加 @profile

        2.運行方式： python -m memory_profiler memory_profiler_test.py     

　　此方法缺點：在調試 和 實際項目運行時 要 增刪 @profile 此裝飾器

代碼以下：

 1 #coding:utf8
 2 
 3 @profile  4 def test1():  5     c=0  6     for item in xrange(100000):  7         c+=1
 8     print c  9 
10 if __name__=='__main__': 11     test1()

輸出結果：

rgc@rgc:~/baidu_eye/carrier/test$ python -m memory_profiler memory_profiler_test.py 100000 Filename: memory_profiler_test.py Line # Mem usage Increment Line Contents
================================================
     5   21.492 MiB   21.492 MiB @profile 6                             def test1(): 7   21.492 MiB    0.000 MiB       c=0 8   21.492 MiB    0.000 MiB       for item in xrange(100000): 9   21.492 MiB    0.000 MiB           c+=1
    10   21.492 MiB    0.000 MiB       print c

名詞含義爲

　　Mem usage: 內存佔用狀況

　　Increment: 執行該行代碼後新增的內存

 

使用方法二：

　　1.先導入：    from memory_profiler import profile

       2.函數前加裝飾器：   @profile(precision=4,stream=open('memory_profiler.log','w+'))            

　　　　　　　　　　　　參數含義：precision:精確到小數點後幾位 

　　　　　　　　　　　　　　　　　stream:此模塊分析結果保存到 'memory_profiler.log' 日誌文件。若是沒有此參數，分析結果會在控制檯輸出

　　運行方式：直接跑此腳本  python memory_profiler_test.py

　　此方法優勢：解決第一種方法的缺點，在 不須要 分析時，直接註釋掉此行

 1 #coding:utf8
 2 from memory_profiler import profile  3 
 4 @profile(precision=4,stream=open('memory_profiler.log','w+'))  5 # @profile
 6 def test1():  7     c=0  8     for item in xrange(100000):  9         c+=1
10     print c 11 
12 if __name__=='__main__': 13     test1()

 

使用方法三：

　　腳本代碼和方法二同樣，可是 運行方式不一樣

　　mprof run memory_profiler_test.py       : 分析結果會保存到一個 .dat格式文件中

　　mprof plot                                              : 把結果以圖片到方式顯示出來（直接在本目錄下運行此命令便可，程序會自動找出.dat文件） （要安裝  pip install matplotlib）

       mprof clean                                           : 清空全部 .dat文件