内存监测工具memory_profiler
目录memory_profiler是Python的一个第三方库，其功能时基于函数的逐行代码分析工具
memory_profiler 是一个监控进程内存消耗的模块，也可以逐行分析 Python 程序的内存消耗。它是一个依赖 psutil 模块的纯 Python 模块。
安装
pip install -U memory_profiler
参数注解
from memory_profiler import profile
@profile
def my_func():
a = [1] * (10 ** 6)
b = [2] * (2 * 10 ** 7)
del b
return a
if __name__ == '__main__':
my_func()
Line # Mem usage Increment Line Contents
==============================================
3 @profile
4 5.97 MB 0.00 MB def my_func():
5 13.61 MB 7.64 MB a = [1] * (10 ** 6)
6 166.20 MB 152.59 MB b = [2] * (2 * 10 ** 7)
7 13.61 MB -152.59 MB del b
8 13.61 MB 0.00 MB return a
部分参数注解：
Mem usage：执行完改行代码后内存的使用情况。
Increment：执行完该行代码，内存增加了多少。
Occurrences：该行被命中多少次。
Line #：代码所在行号。
Line Contents：该行代码的内容。
简单使用
三种使用方式中，前两种是针对逐行的内存使用分析，另外一种针对时间维度的内存使用分析。
使用装饰器，设置显示精度
from memory_profiler import profile
@profile(precision=5)
def my_func():
a = [1] * (10 ** 6)
b = [2] * (2 * 10 ** 7)
del b
return a
if __name__ == "__main__":
my_func()
#python -m memory_profiler python/test.py
# python python/test.py
Line # Mem usage Increment Occurrences Line Contents
=============================================================
6 27.88672 MiB 27.88672 MiB 1 @profile(precision=5)
7 def my_func():
8 35.51953 MiB 7.63281 MiB 1 a = [1] * (10 ** 6)
9 188.10938 MiB 152.58984 MiB 1 b = [2] * (2 * 10 ** 7)
10 35.51953 MiB -152.58984 MiB 1 del b
11 35.51953 MiB 0.00000 MiB 1 return a
输出在日志中
# _*_coding:utf-8_*_
# Python程序内存分析
from memory_profiler import profile
# 使用装饰器，配置精度，将结果输出到日志
@profile(precision=4, stream=open("memory_profiler.log", "w+"))
def my_func():
import time
a = [1, 3, 4, 5]
for i in a:
pass
return time.time()
if __name__ == '__main__':
my_func()
mprof 使用
时间维度内存分析
使用 mprof 执行程序在时间维度分析进程的内存使用情况。下面介绍了一共有四种情况，分别是：单进程，多进程，记录子进程内存占用，多进程并记录子进程内存占用。
mprof run：运行可执行文件，记录内存使用情况
mprof plot：绘制一个记录的内存使用情况（默认情况下，最后一个）
mprof list：以用户友好的方式列出所有记录的内存使用情况文件。
mprof clean：删除所有记录的内存使用情况文件。
mprof rm：删除特定记录的内存使用情况文件
mprof run script.py # 运行程序，会生成一个结果数据文件
mprof plot # 根据最后一条数据文件生成图表
方式一：总结所有子进程的内存和父进程的使用情况并跟踪每个子进程
mprof run --include-children <script>
方式二：独立于主进程跟踪每个子进程，通过索引将子行序列化到输出流。使用多进程
mprof run --multiprocess <script>
内存监测其他工具
https://blog.csdn.net/lanyang123456/article/details/100860904
参考资料
https://zhuanlan.zhihu.com/p/121003986
https://www.cnblogs.com/kaituorensheng/p/5669861.html
标签：__,MB,python,profiler,内存,memory,mprof From： https://www.cnblogs.com/tian777/p/17785673.html