大數據文摘出品

編譯：Javen、胡笳、云舟

內存不足是項目開發過程中經常碰到的問題，我和我的團隊在之前的一個項目中也遇到了這個問題，我們的項目需要存儲和處理一個相當大的動態列表，測試人員經常向我抱怨內存不足。但是最終，我們通過添加一行簡單的代碼解決了這個問題。

結果如圖所示：

我將在下面解釋它的工作原理。

舉一個簡單的“learning”示例 - 創建一個DataItem類，在其中定義一些個人信息屬性，例如姓名，年齡和地址。

class DataItem(object): 
   def __init__(self, name, age, address): 
       self.name = name 
       self.age = age 
       self.address = address 

小測試——這樣一個對象會占用多少內存?

首先讓我們嘗試下面這種測試方案：

d1 = DataItem("Alex", 42, "-") 
print ("sys.getsizeof(d1):", sys.getsizeof(d1)) 

答案是56字節。看起來比較小，結果令人滿意。

但是，讓我們檢查另一個數據多一些的對象：

d2 = DataItem("Boris", 24, "In the middle of nowhere") 
print ("sys.getsizeof(d2):", sys.getsizeof(d2)) 

答案仍然是56。這讓我們明白這個結果并不完全正確。

我們的直覺是對的，這個問題不是那么簡單。Python是一種非常靈活的語言，具有動態類型，它在工作時存儲了許多額外的數據。這些額外的數據本身就占了很多內存。

例如，sys.getsizeof(“ ”)返回33，沒錯，每個空行就多達33字節!并且sys.getsizeof(1)將為此數字返回24-24個字節(我建議C程序員們現在點擊結束閱讀，以免對Python的美麗失去信心)。

對于更復雜的元素，例如字典，sys.getsizeof(dict())返回272個字節，這還只是一個空字典。舉例到此為止，但事實已經很清楚了，何況RAM的制造商也需要出售他們的芯片。

現在，讓我們回到回到我們的DataItem類和“小測試”問題。

這個類到底占多少內存?

首先，我們將以較低級別輸出該類的全部內容：

def dump(obj): 
 for attr in dir(obj): 
   print("  obj.%s = %r" % (attr, getattr(obj, attr))) 

這個函數將顯示隱藏在“隱身衣”下的內容，以便所有Python函數(類型，繼承和其他包)都可以運行。

結果令人印象深刻：

它總共占用多少內存呢?

在GitHub上，有一個函數可以計算實際大小，通過遞歸調用所有對象的getsizeof實現。

def get_size(obj, seen=None): 
   # From https://goshippo.com/blog/measure-real-size-any-python-object/ 
   # Recursively finds size of objects 
   size = sys.getsizeof(obj) 
   if seen is None: 
       seen = set() 
   obj_id = id(obj) 
   if obj_id in seen: 
       return 0 
 
# Important mark as seen *before* entering recursion to gracefully handle 
   # self-referential objects 
   seen.add(obj_id) 
   if isinstance(obj, dict): 
     size += sum([get_size(v, seen) for v in obj.values()]) 
     size += sum([get_size(k, seen) for k in obj.keys()]) 
   elif hasattr(obj, '__dict__'): 
     size += get_size(obj.__dict__, seen) 
   elif hasattr(obj, '__iter__') and not isinstance(obj, (str, bytes, bytearray)): 
     size += sum([get_size(i, seen) for i in obj]) 
   return size 

讓我們試一下：

d1 = DataItem("Alex", 42, "-") 
print ("get_size(d1):", get_size(d1)) 
 
d2 = DataItem("Boris", 24, "In the middle of nowhere") 
print ("get_size(d2):", get_size(d2)) 

我們分別得到460和484字節，這似乎更接近事實。

使用這個函數，我們可以進行一系列實驗。例如，我想知道如果DataItem放在列表中，數據將占用多少空間。

get_size([d1])函數返回532個字節，顯然，這些是“原本的”460+一些額外開銷。但是get_size([d1，d2])返回863個字節—小于460+484。get_size([d1，d2，d1])的結果更加有趣，它產生了871個字節，只是稍微多了一點，這說明Python很聰明，不會再為同一個對象分配內存。

現在我們來看問題的第二部分。

是否有可能減少內存消耗?

答案是肯定的。Python是一個解釋器，我們可以隨時擴展我們的類，例如，添加一個新字段：

d1 = DataItem("Alex", 42, "-") 
print ("get_size(d1):", get_size(d1)) 
 
d1.weight = 66 
print ("get_size(d1):", get_size(d1)) 

這是一個很棒的特點，但是如果我們不需要這個功能，我們可以強制解釋器使用__slots__指令來指定類屬性列表：

class DataItem(object): 
   __slots__ = ['name', 'age', 'address'] 
   def __init__(self, name, age, address): 
       self.name = name 
       self.age = age 
       self.address = address 

更多信息可以參考文檔中的“__dict__和__weakref__的部分。使用__dict__所節省的空間可能會很大”。

我們嘗試后發現：get_size(d1)返回的是64字節，對比460直接，減少約7倍。作為獎勵，對象的創建速度提高了約20%(請參閱文章的第一個屏幕截圖)。

真正使用如此大的內存增益不會導致其他開銷成本。只需添加元素即可創建100,000個數組，并查看內存消耗：

data = [] 
for p in range(100000): 
   data.append(DataItem("Alex", 42, "middle of nowhere")) 
 
snapshot = tracemalloc.take_snapshot() 
top_stats = snapshot.statistics('lineno') 
total = sum(stat.size for stat in top_stats) 
print("Total allocated size: %.1f MB" % (total / (1024*1024))) 

在沒有__slots__的情況結果為16.8MB，而使用__slots__時為6.9MB。當然不是7倍，但考慮到代碼變化很小，它的表現依然出色。

現在討論一下這種方式的缺點。激活__slots__會禁止創建其他所有元素，包括__dict__，這意味著，例如，下面這種將結構轉換為json的代碼將不起作用：

def toJSON(self): 
       return json.dumps(self.__dict__) 

但這也很容易搞定，可以通過編程方式生成你的dict，遍歷循環中的所有元素：

def toJSON(self): 
       data = dict() 
       for var in self.__slots__: 
           data[var] = getattr(self, var) 
       return json.dumps(data) 

向類中動態添加新變量也是不可能的，但在我們的項目里，這不是必需的。

下面是最后一個小測試。來看看整個程序需要多少內存。在程序末尾添加一個無限循環，使其持續運行，并查看Windows任務管理器中的內存消耗。

沒有__slots__時

69Mb變成27Mb......好吧，畢竟我們節省了內存。對于只添加一行代碼的結果來說已經很好了。

注意：tracemalloc調試庫使用了大量額外的內存。顯然，它為每個創建的對象添加了額外的元素。如果你將其關閉，總內存消耗將會少得多，截圖顯示了2個選項：

如何節省更多的內存?

可以使用numpy庫，它允許你以C風格創建結構，但在這個的項目中，它需要更深入地改進代碼，所以對我來說第一種方法就足夠了。

奇怪的是，__slots__的使用從未在Habré上詳細分析過，我希望這篇文章能夠填補這一空白。

結論

這篇文章看起來似乎是反Python的廣告，但它根本不是。Python是非常可靠的(為了“刪除”Python中的程序，你必須非常努力)，這是一種易于閱讀和方便編寫的語言。在許多情況下，這些優點遠勝過缺點，但如果你需要性能和效率的最大化，你可以使用numpy庫像C++一樣編寫代碼，它可以非常快速有效地處理數據。

最后，祝你編程愉快!

相關報道：

https://medium.com/@alexmaisiura/python-how-to-reduce-memory-consumption-by-half-by-adding-just-one-line-of-code-56be6443d524

【本文是51CTO專欄機構大數據文摘的原創譯文，微信公眾號“大數據文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文