Python实现监视程序的内存使用情况

我们使用Python和它的数据处理库套件(如panda和scikiti -learn)进行大量数据处理时候，可能使用了大量的计算资源。如何监视程序的内存使用情况就显得尤为重要。

1.询问操作系统

跟踪内存使用情况的最简单方法是使用操作系统本身。您可以使用top来提供您在一段时间内使用的资源的概述。或者，如果您想要现场检查资源使用情况，您可以使用ps命令:

$ ps -m -o %cpu,%mem,command
%CPU %MEM COMMAND
23.4  7.2 python analyze_data.py
 0.0  0.0 bash

m标志指示ps按照进程使用最多内存的顺序显示结果。o标志控制显示每个进程的哪些属性——在本例中是使用的CPU百分比、消耗的系统内存百分比和正在执行的进程的命令行。

CPU百分比将一个完整的CPU核心计算为100%的使用率，因此如果您有一个4核的机器，可能会看到总计高达400%的CPU使用率。还有其他输出选项用于显示其他进程属性，以及用于控制显示哪些进程的ps的其他标志。

结合一些创造性的shell脚本，可以编写一个监视脚本，使用ps跟踪任务的内存使用情况。

2.tracemalloc

Python解释器的操作中有大量的hooks，可以在Python代码运行时用于监视和内省。pdb使用这些钩子来提供调试;覆盖率也使用它们来提供测试覆盖率。tracemalloc模块还使用它们来提供一个了解内存使用情况的窗口。

tracemalloc是在Python 3.4中添加的一个标准库模块，它跟踪Python解释器分配的每个单独的内存块。tracemalloc能够提供关于运行Python进程中内存分配的非常细粒度的信息:

import tracemalloc

tracemalloc.start()
my_complex_analysis_method()
current, peak = tracemalloc.get_traced_memory()
print(f"Current memory usage is {current / 10**6}MB; Peak was {peak / 10**6}MB")
tracemalloc.stop()

调用tracemplugin .start()启动跟踪进程。在进行跟踪时，您可以询问分配了哪些内容的详细信息;在本例中，我们只要求当前和峰值内存分配。调用tracemplugin .stop()将删除hook并清除已经收集的任何跟踪。

不过，这种程度的细节是要付出代价的。tracemalloc将自己深深地注入到正在运行的Python进程中——正如您所预期的那样，这会带来性能损失。在我们的测试中，我们观察到在运行分析时使用tracemalloc的速度下降了30%。在分析单个进程时，这可能是可以的，但在生产中，您确实不希望仅仅为了监视内存使用情况而降低30%的性能。

3.抽样

幸运的是，Python标准库提供了另一种观察内存使用情况的方法—resource模块。resource模块为程序分配的资源提供基本控制，包括内存使用:

import resource
usage = resource.getrusage(resource.RUSAGE_SELF).ru_maxrss

getrusage()的调用返回程序所使用的资源。常量RUSAGE_SELF表示我们只对这个进程使用的资源感兴趣，而不是它的子进程。返回的对象是一个结构，它包含一系列操作系统资源，包括CPU时间、信号、上下文切换等;但就我们的目的而言，我们感兴趣的是maxrss——最大驻留集大小——它是进程当前在RAM中持有的内存量。

但是，与tracemalloc模块不同的是，资源模块不随时间跟踪使用情况—它只提供点采样。因此，我们需要实现一种方法来随时间对内存使用情况进行采样。

首先，我们定义一个类来执行内存监控:

import resource
from time import sleep

class MemoryMonitor:
    def __init__(self):
        self.keep_measuring = True

    def measure_usage(self):
        max_usage = 0
        while self.keep_measuring:
            max_usage = max(
                max_usage,
                resource.getrusage(resource.RUSAGE_SELF).ru_maxrss
            )
            sleep(0.1)

        return max_usage

在这个类的实例上调用measure_usage()时，它将进入一个循环，每0.1秒测量一次内存使用情况。将跟踪内存使用量的任何增加，并在循环退出时返回最大内存分配。

但是什么告诉循环退出呢?我们在哪里调用被监视的代码?我们在单独的线程中完成。

from concurrent.futures import ThreadPoolExecutor


with ThreadPoolExecutor() as executor:
    monitor = MemoryMonitor()
    mem_thread = executor.submit(monitor.measure_usage)
    try:
        fn_thread = executor.submit(my_analysis_function)
        result = fn_thread.result()

    finally:
        monitor.keep_measuring = False
        max_usage = mem_thread.result()

    print(f"Peak memory usage: {max_usage}")

ThreadPoolExecutor为提交要在线程中执行的任务提供了一种方便的方法。我们向执行程序提交两个任务——监视器和my_analysis_function(如果分析函数需要额外的参数，可以通过提交调用传入它们)。

对fn_thread.result()的调用将被阻塞，直到分析函数完成并获得其结果，此时我们可以通知监视器停止并获得最大内存。try/finally模块确保了如果分析函数抛出异常，内存线程仍然会被终止。

使用这种方法，我们可以有效地随时间对内存使用情况进行抽样。大部分工作将在主分析线程中完成;但是每0.1秒，监视器线程就会被唤醒，进行一次内存测量，如果内存使用量增加就将其存储，然后返回睡眠状态。

到此这篇关于Python实现监视程序的内存使用情况的文章就介绍到这了,更多相关Python监视内存使用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！