本文主要介绍了python内存分析工具： memory_profiler，可以展示每一行代码执行所增加的内存，方便做内存调优和排除bug
memory_profiler是第三方模块，需要安装才能使用
pip3.6.exe install memory-profiler
1、直接打印结果到终端上
#coding:utf8
from memory_profiler import profile
@profile
def test1():
c=list()
for item in range(10000):
c.append(item)
if __name__=='__main__':
test1()
结果如下
Filename: D:/python/test_sip/test_check_es.py Line # Mem usage Increment Line Contents ================================================ 474 16.6 MiB 16.6 MiB @profile 475 def test1(): 476 16.6 MiB 0.0 MiB c=list() 477 17.0 MiB 0.0 MiB for item in range(10000): 478 17.0 MiB 0.1 MiB c.append(item)
2、定义输出到文件，定义结果保留的小数位
#coding:utf8
from memory_profiler import profile
@profile(precision=4,stream=open('memory_profiler.log','w+'))
def test1():
c=list()
for item in range(10000):
c.append(item)
if __name__=='__main__':
test1()
结果如下
Filename: D:/python/test_sip/test_check_es.py
Line # Mem usage Increment Line Contents
================================================
474 16.5391 MiB 16.5391 MiB @profile(precision=4,stream=open('memory_profiler.log','w+'))
475 def test1():
476 16.5430 MiB 0.0039 MiB c=list()
477 16.8906 MiB 0.0039 MiB for item in range(10000):
478 16.8906 MiB 0.0391 MiB c.append(item)
Mem usage 执行语句前内存占用
Increment 执行语句后增加的内存
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/20755.html