使用 memory_profiler 在Python中进行内存分析

如果你经常使用Python ，那么你可能知道很多人声称Python需要更多的时间来执行。好吧，您可能已经看到了诸如执行部分代码所花费的总时间之类的方法，但有时您需要更多的东西。内存使用情况如何？没有人真正谈论这一点，但它同样重要。这可能看起来真的微不足道，但在为生产编写代码时它实际上非常重要。

我们将使用 PyPi的内存分析器。我们还需要请求来测试功能。为此，只需在终端中输入以下内容

pip3 install memory-profiler requests

注意：如果您在 windows 上工作或使用虚拟环境，那么它将是pip而不是pip3

现在一切都设置好了，休息显然很容易和有趣。创建一个名为word_extractor.py的新文件并将代码添加到其中。下面是代码的实现。一切都很好地记录为内联注释。

Python3

# imports
from memory_profiler import profile
import requests
  
  
class BaseExtractor:
    # decorator which specifies which
    # function to monitor
    @profile
    def parse_list(self, array):
        
        # create a file object
        f = open('words.txt', 'w')
        for word in array:
              
            # writing words to file
            f.writelines(word)
      
    # decorator which specifies which 
    # function to monitor
    @profile
    def parse_url(self, url):
        
        # fetches the response
        response = requests.get(url).text
        with open('url.txt', 'w') as f:
              
            # writing response to file
            f.writelines(response)

注意@profile这是一个装饰器。任何被这个装饰函数，都会被跟踪。现在，我们的主要代码已经准备好了。让我们编写将调用此类函数的驱动程序代码。现在，创建另一个名为run.py的文件并在其中插入以下代码。

Python3

from word_extractor import BaseExtractor
  
  
if __name__ == "__main__":
      
    # url for word list (huge)
    url = 'https://raw.githubusercontent.com/dwyl/english-words/master/words.txt'
      
    # word list in array
    array = ['one', 'two', 'three', 'four', 'five']
      
    # initializing BaseExtractor object
    extractor = BaseExtractor()
      
    # calling parse_url function
    extractor.parse_url(url)
      
    # calling pasrse_list function
    extractor.parse_list(array)

所以，基本上现在我们已经完成了。您会注意到parse_url()将比parse_list()消耗更多的内存，这很明显，因为 parse_url 调用 URL 并将响应内容写入文本文件。如果你打开链接，那么你会发现单词列表是巨大的。因此，现在要测试您的代码，只需运行run.py文件。您可以通过键入

python3 run.py

注意：如果您在 windows 上工作或使用虚拟环境，那么它将是Python而不是 python3

如果一切运行成功，那么您应该会看到类似这样的内容

内存分析器统计

要记住的重要一点是内存分析器本身会消耗大量内存。仅在开发中使用它，但在生产中避免使用它。