python查看內存
1. 鏌ョ湅鍙橀噺鍐呭瓨鍦板潃鐨刾ython鍐呯疆鍑芥暟
鏌ョ湅python鍐呯疆鍑芥暟鐨勬柟娉曪細1銆佹墦寮PythonIDLE緙栬緫鍣錛2銆佽緭鍏"dir(__builtins__)"鍛戒護錛屾寜涓嬪洖杞﹂敭(Enter)寰楀埌Python鍏ㄩ儴鍐呯疆鍙橀噺鍜屽嚱鏁般
鎵撳紑PythonIDLE錛屾垜鐢ㄧ殑鏄疨ython3銆7錛岀晫闈㈡湁涓鎬у畾鍒躲備綘鐨勭増鏈涓嶅悓錛岀晫闈㈡湁宸寮傦紝浣嗘槸鎿嶄綔鏂規硶搴旇ユ槸涓鏍風殑銆傝緭鍏dir(__builtins__)銆
鍙浠ョ湅鍒幫紝榪斿洖鐨勭粨鏋滄槸浠[寮澶翠互]緇撳熬錛岃存槑鏄涓鍒楄〃錛岃緭鍏ワ細len(dir(__builtins__))銆
鎸変笅涓ゆ″洖杞﹂敭(Enter)銆傛寜鐓ч粯璁ょ殑瀛楁瘝欏哄簭錛屽厛鏄澶у啓瀛楁瘝A-Z錛岀劧鍚庢槸涓嬪垝綰(_)寮澶寸殑錛岀劧鍚庢槸灝忓啓瀛楁瘝a-z銆
2. python查看對象內存地址的函數
在python中可以用id()函數獲取對象的內存地址。
#例如：
object = 1 + 2
print(id(object)) #4304947776
3. python怎樣獲得當前系統的CPU頻率和內存使用情況
如果想自己寫程序來實現的話，可以參考它們的源碼。
top/free都是在procps包中(apt-get source procps)。
找到cpus_refresh()函數，你可以看到它是怎樣從/proc/stat解析出CPU的使用率的。meminfo()函數則展示了如何從/proc/meminfo解析出內存的使用率（這個文件自己解析也很簡單）。
4. 如何使用Python動態控制Linux系統的內存佔用百分比
如何使用Python動態控制Linux系統的內存佔用百分比?
近期有網上朋友尋求幫助：如何通過腳本動態控制Linux系統的內存佔用百分比？經過一番網路+編寫調試，終於初步完成了動態控制Linux系統內存佔用百分比。現寫出來以幫助更多的朋友。
1 前言
根據需求是動態控制Linux系統內存佔用百分比，比如當前內存佔用30%，如果設置內存佔用為70%，則需要申請內存使達到佔用70%；如果再降低到40%，則需要釋放部分申請的內存。其實腳本的本質是內存動態申請與釋放。
注意：因為Python腳本運行之前內存有一定佔用，故設定內存佔用不能低於該百分比。
2 內存動態申請
通過查詢資料，使用Python動態申請內存塊，可以使用ctypes包中的函數，導入包及代碼如下所示：
>>> from ctypes import *
>>> mem=create_string_buffer(1024)
說明：內存申請使用create_string_buffer()函數，上面申請了1024位元組的內存塊。
下面演示申請100MB內存前後變化
申請前如下圖所示：
使用代碼如下：
>>>mem=create_string_buffer(104857600)
申請後如下圖所示：
從上述兩幅圖中可以看出，申請內存前內存佔用295MB，申請後內存佔用397MB，增加了約100MB內存佔用。
3 內存動態釋放
由於Python對內存是有垃圾回收機制的，採用對象引用計數方式。當對象的引用計數為0時，啟動垃圾回收GC。此處內存動態釋放就是使用該原理。
代碼如下：
>>> mem=None
釋放後內存佔用如下圖所示：
內存佔用由397MB降低到297MB，釋放了100MB內存佔用。
說明：將None賦值給對象mem後，mem對象的引用計數即為0，此時垃圾回收啟動，釋放mem對象佔用的內存。
4 系統總內存、佔用內存檢測
由於需要設定內存佔用百分比，故需要獲取系統總物理內存和佔用內存。本文使用的方法是讀取系統文件「/proc/meminfo」，從中解析出總內存大小以及當前內存佔用大小等內存相關的信息。該文件內容格式如下圖所示：
代碼片段如下所示：
f = open("/proc/meminfo")
lines = f.readlines()
f.close()
for line in lines:
if len(line)< 2:continue
name = line.split(':')[0]
var = line.split(':')[1].split()[0]
mem[name]= long(var)* 1024.0
mem['MemUsed']= mem['MemTotal']- mem['MemFree']
說明：按行讀取meminfo文件內容，創建字典對象mem，將meminfo文件第一列設置為mem對象的鍵值，將meminfo文件第二列數字設置為mem對象的值。
5 獲取用戶輸入百分比
通過讀取鍵盤輸入字元串，然後轉換為數字實現接收用戶輸入的百分比，代碼如下所示：
input_str=raw_input("Input UsedMemory`s Rate or q to exit:")
rate=float(input_str)
注意：此處鍵盤輸入的都是字元串，需要進行字元串轉換為數字，使用float()或long()函數進行轉換。
6 動態設置內存佔用百分比測試
測試使用兩個Python腳本文件，分別是test.py和mem_rate.py，其功能分別是查看當前內存佔用和動態設定內存佔用百分比。如下圖所示：
注意：上述兩個文件需要使用「chmod +x *.py」修改為可執行屬性。
6.1 查看當前內存佔用
查看當前內存佔用百分比，使用上述test.py文件，運行命令為「./test.py」，運行結果如下圖所示：
當前使用內存為320MB，佔用百分比為17%。
6.2 動態設置內存佔用百分比
動態設置內存佔用百分比使用上述mem_rate.py腳本，注意該腳本文件第一行代碼為「#!/usr/bin/python2.6」，表示該腳本使用python2.6程序運行。該行需要修改為待運行Linux系統中Python實際的安裝程序路徑。
動態內存百分比設置界面如下圖所示：
處於待輸入狀態。另外顯示了當前內存佔用（321MB），總內存大小（1869MB）以及內存佔用百分比（17%）。
如果此時設置內存佔用百分比為80%，則腳本會每次申請10MB空間，直至內存佔用接近或等於80%為止。如下圖所示：
內存申請過程如下圖所示：
內存申請過程中佔用百分比變化為：35%，45%，56%，70%，…
mem_rate.py運行過程如下圖所示：
內存申請過程中佔用變化為：1461MB，1471MB，1481MB，1491MB。
此時如果內存佔用百分比設置為20%，則需要釋放一部分內存。
test.py腳本運行過程如下圖所示：
由於釋放內存運行較快，抓取到最後結果
內存佔用為20%。
mem_rate.py腳本運行過程如下圖所示：
內存釋放過程中內存佔用為：413MB，403MB，393MB，383MB，最後內存佔用穩定在20%，383MB。
輸入「q」或「Q」退出內存佔用百分比設定過程，如下圖所示：
此時內存佔用如下圖所示：
內存佔用恢復到運行mem_rate.py腳本之前狀態，17%，321MB。
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
附：完整Python腳本代碼
test.py
------------------------------------------------------------------------------------------------
#!/usr/bin/python2.6
def memory_stat():
mem = {}
f = open("/proc/meminfo")
lines = f.readlines()
f.close()
for line in lines:
if len(line)< 2:continue
name = line.split(':')[0]
var = line.split(':')[1].split()[0]
mem[name]= long(var)* 1024.0
mem['MemUsed']= mem['MemTotal']- mem['MemFree']
# - mem['Buffers']- mem['Cached']
return mem
mem=memory_stat()
print("Used(MB):%d"%(long(mem['MemUsed'])/1024/1024))
print("Rate:%d%%"%(100*long(mem['MemUsed'])/float(mem['MemTotal'])))
§§§§§§§§§§§§§§§§§§§§§§§§§§
mem_rate.py
---------------------------------------------------
#!/usr/bin/python2.6
from ctypes import *
# Get Memory Info(Total, Used... Byte)
def get_memory_stat():
mem = {}
f = open("/proc/meminfo")
lines = f.readlines()
f.close()
for line in lines:
if len(line)< 2:continue
name = line.split(':')[0]
var = line.split(':')[1].split()[0]
mem[name]= long(var)* 1024.0
mem['MemUsed']= mem['MemTotal']- mem['MemFree']
# Return MemroyInfo Object
return mem
# Get Simple Memory Info
def get_memory_info(mem):
# Byte -> MB
n=1024* 1024
used=float(mem['MemUsed'])/ n
total=float(mem['MemTotal'])/ n
rate=used/total* 100
smp={'used':used,'total':total,'rate':rate}
return smp
# Display Current Memory Info
def print_memory_info(mem):
# Get SimpleMemory Info
smp=get_memory_info(mem)
print("Used(MB):%d\tTotal(MB):%d\tUsedRate:%d%%"%(smp['used'], smp['total'], smp['rate']))
# Get Rate Of Memory Used To Be Setted(Integer Formate)
def input_memory_used_rate(org_rate):
# Byte -> MB
n=1024* 1024
while(True):
mem=get_memory_stat()
print_memory_info(mem)
input_str=raw_input("Input UsedMemory`s Rate or q to exit:")
if(len(input_str)== 0):
continue
if("q"== input_str):
info={'rate':0,'used':mem['MemUsed']/ n}
return info
if("Q"== input_str):
info={'rate':0,'used':mem['MemUsed']/ n}
return info
try:
rate=float(input_str)
if((rate>=org_rate)and (rate<=95)):
info={'rate':rate,'used':mem['MemUsed']/ n}
return info
else:
print("Please inputa valid number(%d%%~95%%)."%(org_rate))
except:
print("Please inputa valid number(%d%%~95%%)."%(org_rate))
# Set Rate Of Memory Used
def set_memory_used_rate(new_rate, total, pre_used,list):
if(new_rate==0):
return None
dest_mem=total* new_rate /100.0
# 10MB
mb10=10485760
n_chg=10
# Free Memory OrAllocate Memory ?
is_new=dest_mem>pre_used
cur_used=pre_used
while(True):
# To Calc FreeMemory Or Allocate Memory ?
need_new=dest_mem-n_chg>=pre_used
need_del=dest_mem+n_chg<=pre_used
# Need To AllocateMemory
if(is_new):
if(need_new):
p=create_string_buffer(mb10)
list.append(p)
dest_mem=dest_mem-n_chg
cur_used=cur_used+n_chg
else:
return"end"
# Need To FreeMemory
else:
idx=len(list)-1
if(need_deland (idx>=0)):
p=list[idx]
del list[idx]
p=None
dest_mem=dest_mem+n_chg
cur_used=cur_used-n_chg
else:
return"end"
print("****** MemoryUsed(MB):%d"%(cur_used))
# Entry Of Program
# List Of Memory Object, 10MB Of One Object
list=[]
# Get Current Memory Info
mem=get_memory_stat()
# Get Simple Memory Info
smp=get_memory_info(mem)
org_rate=smp['rate']
total=smp['total']
while(True):
# Get Rate OfMemory To Be Used
info=input_memory_used_rate(org_rate)
new_rate=float(info['rate'])
pre_used=float(info['used'])
# Set Rate OfMemory To Be Used
rtn=set_memory_used_rate(new_rate, total, pre_used, list)
if(not rtn):
print("bye!")
exit()
5. python 查看變數佔用了多少內存
s='abc'
printsys.getsizeof(s)
如果你要監測所有的變數，可以用python的smiley 模塊監測所有的內存變數情況
6. 7種檢測Python程序運行時間、CPU和內存佔用的方法
1. 使用裝飾器來衡量函數執行時間
有一個簡單方法，那就是定義一個裝飾器來測量函數的執行時間，並輸出結果：
import time
from functoolsimport wraps
import random
def fn_timer(function):
@wraps(function)
def function_timer(*args, **kwargs):
t0= time.time()
result= function(*args, **kwargs)
t1= time.time()
print("Total time running %s: %s seconds" %
(function.__name__, str(t1- t0))
)
return result
return function_timer
@fn_timer
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== "__main__":
random_sort(2000000)
輸出：Total time running random_sort: 0.6598007678985596 seconds
使用方式的話，就是在要監控的函數定義上面加上 @fn_timer 就行了
或者
# 可監控程序運行時間
import time
import random
def clock(func):
def wrapper(*args, **kwargs):
start_time= time.time()
result= func(*args, **kwargs)
end_time= time.time()
print("共耗時: %s秒" % round(end_time- start_time, 5))
return result
return wrapper
@clock
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== "__main__":
random_sort(2000000)
輸出結果：共耗時: 0.65634秒
2. 使用timeit模塊
另一種方法是使用timeit模塊，用來計算平均時間消耗。
執行下面的腳本可以運行該模塊。
這里的timing_functions是Python腳本文件名稱。
在輸出的末尾，可以看到以下結果：4 loops, best of 5: 2.08 sec per loop
這表示測試了4次，平均每次測試重復5次，最好的測試結果是2.08秒。
如果不指定測試或重復次數，默認值為10次測試，每次重復5次。
3. 使用Unix系統中的time命令
然而，裝飾器和timeit都是基於Python的。在外部環境測試Python時，unix time實用工具就非常有用。
運行time實用工具：
輸出結果為：
Total time running random_sort: 1.3931210041 seconds
real 1.49
user 1.40
sys 0.08
第一行來自預定義的裝飾器，其他三行為：
real表示的是執行腳本的總時間
user表示的是執行腳本消耗的CPU時間。
sys表示的是執行內核函數消耗的時間。
注意：根據維基網路的定義，內核是一個計算機程序，用來管理軟體的輸入輸出，並將其翻譯成CPU和其他計算機中的電子設備能夠執行的數據處理指令。
因此，Real執行時間和User+Sys執行時間的差就是消耗在輸入/輸出和系統執行其他任務時消耗的時間。
4. 使用cProfile模塊
5. 使用line_profiler模塊
6. 使用memory_profiler模塊
7. 使用guppy包