内存占用_一文教你节省 90% 的内存占用
Python效率低!
Python占内存!
Python太差劲!
...
作为近年来最为火热的编程语言之一,Python受到的争议和推崇同样很多。
无论是否从事Python方向的开发,都已经习惯把问题当做客观因素推卸给Python。
“你这个项目为什么耗时那么长?”
“Python的原因。”
我想说,Python为很多开发者背太多锅了。
的确,对比于C/C++、Java这些基于编译的语言而言,Python在内存利用和执行效率方面的确没有可比性。但是,它也没有大多数描述的那么不堪。
或许,有很多同学会想,至于为了一点一点内存费这么大劲吗?
至于!
举个例子,外出消费的过程中,觉得每次花费5块、10块不起眼,无关痛痒,但是每次月底还花呗的时候才发现居然消费了几千。
开发也一样,也许1个实例之间只节省了50byte,但是,100000000个呢?那就会节省高达5G的内存!
本文就来逐步介绍Python在内存方面的优惠,让你通过一篇文章迅速从青铜变成王者!
字典
字典对于Python就如同一把双刃剑。
字典在Python中要远比在Java、C++中占据更高的地位。在Python中,字典以其易于创建、删除、修改、读取,使得它备受欢迎。
我看过很多周围同事和GitHub开源代码,字典在Python中的使用频率非常之高。
但是,很多人却忽略了,字典具有很明显的弊端--耗内存。
甚至很多从事多年Python开发的程序员也没有意识到这个问题,或者寻求替代方案。
下面来看一个例子,
>>> exm = {"x": 1, "y": 2, "z": 3}>>> print(sys.getsizeof(exm))240
直接使用字典,占用内存240byte。
类
很多开发者已经习惯了使用Python字典,或者对前面提到的240byte没有什么概念。
那么,下面用类的方式来存储数据。这种方式在很多开源的Java、C++代码中非常常见。
下面来用用类实现以下等同字典的结构,
class Shape:def __init__(self, x, y, z): self.x = x self.y = y self.z = z
exm = Shape(1, 2, 3)
这样的话exm.x
的功能等同于字典中的exm["x"]
,可以用于访问对应的数据。
下面来看一下它占的内存,
>>> print(sys.getsizeof(exm) + sys.getsizeof(exm.__dict__))168
通过实现类,1个实例可以比字典节省72byte的内存!
通过字典的方式是类方式内存占用的1.4倍。
由于在Python类中,会用
__dict__
存储类的属性值,因此,内存占据比重较大。这里168byte内存,其中56byte来自exm实例,112byte来自__dict__
。
namedtuple
Python中常用的数据结构除了字典,还有元组tuple。
元组虽然可以用于存储数据,而且,可以通过索引进行取值,来替代通过key进行取值,但是它不具有键值信息。我想很多使用字典的场景,都是因为喜欢Python字典中key-value
键值对,使得取值更加方便。
其实Python内置的collections
提供了namedtuple可以替代字典的功能。
from collections import namedtuple
Shape = namedtuple('Shape', ['x', 'y', 'z'])
exm = Shape(1, 2, 3)
这样,我们可以通过exm.x
进行取值,下面来看一下它的内存占用情况。
>>> print(sys.getsizeof(exm))72
相比于类实现的方法,namedtuple节省了96byte,相对于字典,它更是节省了高达168byte。
通过字典的方式是namedtuple内存占用的3.3倍。
__slots__
__slots__
是在Python内存优化中用的相对较多的方式,它相对于前面介绍的类实现方式,__slots__
能够确定性的指明哪些类属性可以访问,同时不需要__dict__
去存储类属性的值,所以,对比于单纯的类实现形式能够进一步优化内存。
class Shape:
__slots__ = 'x', 'y', 'z'
def __init__(self, x, y, z): self.x = x self.y = y self.z = z
exm = Shape(1, 2, 3)
下面来看一下它的内存占用,
>>> print(sys.getsizeof(exm))64
相对于字典,它更是节省了高达176byte。
通过字典的方式是namedtuple内存占用的3.8倍。
recordclass
前面介绍的方法都是通过Python内置的方法或模块实现的,现在再来介绍一种通过第三方包实现内存优化的方式。
recordclass
包引入了recordclass.mutabletuple
类型,该类型与元组tuple几乎相同,但它支持赋值。在此基础上,创建的子类几乎与namedtuples完全相同,但支持将新值分配给字段(无需创建新实例)。
from recordclass import recordclass
Shape = recordclass('Shape', ('x', 'y', 'z'))
exm = Shape(1, 2, 3)print(exm.x)
下面来看一下它的内存占用情况,
>>> print(sys.getsizeof(exm))48
相对于字典,它更是节省了高达192byte。
通过字典的方式是namedtuple内存占用的5倍。
Dataclass
recordclass
还提供了另外一种更加节省内存的解决方案。
在内存中使用与具有__slots__
的类实例中相同的存储结构,但不参与循环垃圾回收机制。
from recordclass import make_dataclass
Shape = make_dataclass('Shape', ('x', 'y', 'z'))
exm = Shape(1, 2, 3)print(exm.x)
下面来看一下内存占用情况,
>>> print(sys.getsizeof(exm))40
相对于字典,它更是节省了高达200byte。
通过字典的方式是namedtuple内存占用的6倍。
Cython
最后一种方式,采用Cython。
Cython 是具有 C 数据类型的 Python,因此,参数和变量都可以声明为C 数据类型,在内存上能够进一步优化。
不过,采用Cython方式要比前面几种方式更为复杂一些。首先需要把核心逻辑写在.pyx
文件中,然后需要进行编译成.so
或者.pyd
文件。最后,在另一个Python文件中通过import导入模块。
下面来看一下示例,
# Example.pyx
cdef class Shape: cdef public int x, y, z
def __init__(self, x, y, z): self.x = x self.y = y self.z = z
然后,写一下编译文件,
# setup.py
from distutils.core import setupfrom Cython.Build import cythonizesetup( ext_modules = cythonize("cc.pyx"))
在命令行下执行setup.py
,编译文件,
$ python setup.py build_ext --inplace
在Windows下会生成一个Shape.pyd
文件,在Linux和macOS下会生成Shape.so
文件。这里只是介绍一下,对于使用无关紧要。
然后就是调用编译后的文件。
import Shapeexm = Shape(1, 2, 3)print(exm.x)
下面来看一下它的内存占用情况,
>>> print(sys.getsizeof(exm))32
相对于字典,它更是节省了高达208byte。
通过字典的方式是namedtuple内存占用的7.5倍。
不积跬步,无以至千里。
在编程开发中也是这样,我们总是会觉得208byte微乎其微,对于现在计算机的内存来说无关紧要。或许,在一些财大气粗的公司、部门,动辄就可以提供一个集群让开发者使用。但是,内存是由上限的,不可能无节制的使用。但是,积少成多,在一个大工程中,数据量较大的项目中,如果进行这样的优化,内存优化是非常可观的。
以本文为例,很多Python开发者都已经习惯使用字典这种数据结构,并且对于内存占用不以为然。然而,你会发现,通过使用Cython,一个实例的内存可以从240byte优化到32byte,内存占用减少比例高达86.7%!
推荐阅读
太赞了!《Python 黑魔法指南》终于面世了
深扒微信多开的秘密后,我竟然发现了个 bug
Python 为什么用 # 号作注释符?
太好玩了,看看我用 Pyecharts绘制的“时间轮播图”
Python 10 个习惯用法,看看你都知道不?
手绘10张图,把CSRF、JWT说得明明白白的
长按下图 ➡ 关注博主
(按左边关注 Python, 按右边关注 Goalng)
内存占用_一文教你节省 90% 的内存占用相关推荐
- [转]从青铜到王者,一文教你节省90%内存占用
作者:[七步编程]公众号 原文:在Python中应用枚举类,只需要这1个理由就够了! 专注Python.AI.大数据,请关注公众号[七步编程] Python效率低! Python占内存! Python ...
- mysql内存报警_[MySQL生产环境] Innodb存储引擎内存报警问题处理过程_MySQL
bitsCN.com [MySQL生产环境] Innodb存储引擎内存报警问题处理过程 1 不停的收到email报警,内存值超过阀值80%了. 2 top下,mysqld进程确实占据了77.5%,再加 ...
- java thread 内存泄露_记一次ThreadLocal引发的内存泄露
概念 首先解释下内存溢出和内存泄露的概念.内存溢出一般指的是out of memory,也就是我们经常说的OOM,常发生在堆,方法区和方法栈.内存泄露指的是一段程序在申请内存空间后,无法释放已经申请 ...
- python内存泄漏_诊断和修复Python中的内存泄漏
python内存泄漏 Fugue uses Python extensively throughout the Conductor and in our support tools, due to i ...
- 写java线程导致电脑内存不足_如何写出让java虚拟机发生内存溢出异常OutOfMemoryError的代码...
程序小白在写代码的过程中,经常会不经意间写出发生内存溢出异常的代码.很多时候这类异常如何产生的都傻傻弄不清楚,如果能故意写出让jvm发生内存溢出的代码,有时候看来也并非一件容易的事.最近通过学习< ...
- 降低代码执行中得内存消耗_微服务中使用 OpenJ9 JVM内存占用降低60%!
专注于Java领域优质技术,欢迎关注 作者: 陈一乐 来自:陈一乐 随着微服务的普及,许多企业踏上微服务之旅. 微服务化后,应用数量可能高一个数量级.一般企业,以前三五个应用能支撑业务,微服务化之后应 ...
- mysql5.7内存占用_解决mysql升级到5.7内存占用过大问题
背景 在只有512M内存的云主机中的mysql随着系统升级更新到5.7后,发现启动后啥都不干内存就占用到160M左右,大大超过之前的使用,这是怎么回事呢? 优化 经过查找资料,在mysql的配置文件中 ...
- python查看运行内存占用_利用Python如何实时检测自身内存占用
前言 最近在做文本统计,用 Python 实现,遇到了一个比较有意思的难题--如何保存统计结果. 直接写入内存实在是放不下,十几个小时后内存耗尽,程序被迫关闭.如果直接写入数据库吧,每次写入又太慢了, ...
- java8堆内存模型_「GC系列」JVM堆内存分代模型及常见的垃圾回收器
1. 内存分代模型 为什么要说JVM的内存分代模型呢,因为内存分代和垃圾回收器的运行是有关系的. 现在大部分用到的垃圾回收器在逻辑上是分代的,除了G1之外的其他垃圾回收器在逻辑上和物理上都是分代的. ...
- java的vps多大内存够用_如今电脑配多少G的内存,才真正够用?
可能大家都知道,内存是CPU处理器与磁盘之间用于临时存储数据的设备,如果你电脑的内存过小,势必会影响电脑的运行速度,但现在大家都追求大内存,这个内存大到多少才合适呢? 每当有人向我寻求选购电脑的意见时 ...
最新文章
- python内置函数open_python_内置函数和open
- Go 语言编程 — gorm ORM 框架
- 工具SSHSecure连接远程服务器步骤
- Android RemoteController使用
- ie 7 beta 2出来了
- boost windows编译
- 阿里云DDoS高防 - 访问与攻击日志实时分析(四)
- python中ntlk报错及解决
- Chrome无法打开文件的错误 [Not allowed to load local resource: file://XXXX]
- Wine 1.5.15 发布
- shell 按文件每行长度排序
- 极简的js点击组图切换效果
- win10玩cf如何调全屏_穿越火线:WIN10系统烟雾头和画面卡顿解决办法
- 刷牙也有如此强大的“黑科技”?------艾优电动牙刷深度体验
- TM1668 与 CT1668 驱动有差异?
- 关于c++取绝对值的方法
- PAT-1014 福尔摩斯的约会
- vue前端导出excel,js-xlsx、xlsxStyle,可设置样式、表格合并;(包含获取excel列数函数、excel合并表格缺少边框处理函数)
- Java对dat文件内容进行查询_java读写dat文件
- uart_ops结构体分析之amba_pl011_pops