memory_profiler的使用

作用：memory_profiler是用來分析每行代碼的內存使用情況

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

代碼如下：

#coding:utf8

@profile
def test1():
    c=0
    for item in xrange(100000):
        c+=1
    print c

if __name__=='__main__':
    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

名詞含義為

　　Mem usage: 內存占用情況

　　Increment: 執行該行代碼后新增的內存

 

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:精確到小數點后幾位 

　　　　　　　　　　　　　　　　　stream:此模塊分析結果保存到 'memory_profiler.log' 日志文件。如果沒有此參數，分析結果會在控制台輸出

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

　　此方法優點：解決第一種方法的缺點，在 不需要 分析時，直接注釋掉此行

#coding:utf8
from memory_profiler import profile

@profile(precision=4,stream=open('memory_profiler.log','w+'))
# @profile
def test1():
    c=0
    for item in xrange(100000):
        c+=1
    print c

if __name__=='__main__':
    test1()

 

使用方法三：

　　腳本代碼和方法二一樣，但是 運行方式不同

　　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即可，程序會自動找出.dat文件） （要安裝  pip install matplotlib）

       mprof clean                                           : 清空所有 .dat文件