如何監視Python程式的記憶體使用情況

woff

我們使用Python和它的資料處理庫套件(如panda和scikiti]

監視 Python 記憶體

1. 詢問作業系統

跟蹤記憶體使用情況的最簡單方法是使用作業系統本身。您可以使用top來提供您在一段時間內使用的資源的概述。或者，如果您想要現場檢查資源使用情況，您可以使用ps命令：

1. $ ps -m -o %cpu,%mem,command  
   
2. %CPU %MEM COMMAND  
   
3. 23.4  7.2 python analyze_data.py  
   
4. 0.0  0.0 bash

複製代碼

<span]m標誌指示ps按照程序使用最多記憶體的順序顯示結果。o標誌控制顯示每個程序的哪些屬性——在本例中是使用的CPU百分比、消耗的系統記憶體百分比和正在執行的程序的命令列。CPU百分比將一個完整的CPU核心計算為100%的使用率，因此如果您有一個4核的機器，可能會看到總計高達400%的CPU使用率。還有其他輸出選項用於顯示其他程序屬性，以及用於控制顯示哪些程序的ps的其他標誌。

結合一些創造性的shell指令碼，可以編寫一個監視指令碼，使用ps跟蹤任務的記憶體使用情況。

2. tracemalloc

Python直譯器的操作中有大量的hooks，可以在Python程式碼執行時用於監視和內省。pdb使用這些鉤子來提供除錯;覆蓋率也使用它們來提供測試覆蓋率。tracemalloc模組還使用它們來提供一個瞭解記憶體使用情況的視窗。

tracemalloc是在Python 3.4中新增的一個標準庫模組，它跟蹤Python直譯器分配的每個單獨的記憶體塊。tracemalloc能夠提供關於執行Python程序中記憶體分配的非常細粒度的資訊:

1. import tracemalloc
   
2. 
   
3. tracemalloc.start()
   
4. my_complex_analysis_method()
   
5. current, peak = tracemalloc.get_traced_memory()
   
6. print(f"Current memory usage is {current / 10**6}MB; Peak was {peak / 10**6}MB")
   
7. tracemalloc.stop()

複製代碼

呼叫tracemplugin]不過，這種程度的細節是要付出代價的。tracemalloc將自己深深地注入到正在執行的Python程序中——正如您所預期的那樣，這會帶來效能損失。在我們的測試中，我們觀察到在執行分析時使用tracemalloc的速度下降了30%。在分析單個程序時，這可能是可以的，但在生產中，您確實不希望僅僅為了監視記憶體使用情況而降低30%的效能。

3. 抽樣

幸運的是，Python標準庫提供了另一種觀察記憶體使用情況的方法—resource模組。resource模組為程式分配的資源提供基本控制，包括記憶體使用:

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

複製代碼

getrusage()的呼叫返回程式所使用的資源。常量RUSAGE_SELF表示我們只對這個程序使用的資源感興趣，而不是它的子程序。返回的物件是一個結構，它包含一系列作業系統資源，包括CPU時間、訊號、上下文切換等;但就我們的目的而言，我們感興趣的是maxrss——最大駐留集大小——它是程序當前在RAM中持有的記憶體量。

但是，與tracemalloc模組不同的是，資源模組不隨時間跟蹤使用情況—它只提供點取樣。因此，我們需要實現一種方法來隨時間對記憶體使用情況進行取樣。

首先，我們定義一個類來執行記憶體監控：

1. import resource
   
2. from time import sleep
   
3. 
   
4. class MemoryMonitor:
   
5.   def __init__(self):
   
6.     self.keep_measuring = True
   
7. 
   
8.   def measure_usage(self):
   
9.     max_usage = 0
   
10.     while self.keep_measuring:
    
11.       maxmax_usage = max(
    
12.       max_usage,
    
13.       resource.getrusage(resource.RUSAGE_SELF).ru_maxrss
    
14.       )
    
15.     sleep(0.1)
    
16. 
    
17.    return max_usage

複製代碼

在這個類的例項上呼叫measure_usage()時，它將進入一個迴圈，每0.1秒測量一次記憶體使用情況。將跟蹤記憶體使用量的任何增加，並在迴圈退出時返回最大記憶體分配。

但是什麼告訴迴圈退出呢?我們在哪裡呼叫被監視的程式碼?我們在單獨的執行緒中完成。

1. from concurrent.futures import ThreadPoolExecutor
   
2. 
   
3. 
   
4. with ThreadPoolExecutor() as executor:
   
5.   monitor = MemoryMonitor()
   
6.   mem_thread = executor.submit(monitor.measure_usage)
   
7.   try:
   
8.     fn_thread = executor.submit(my_analysis_function)
   
9.     result = fn_thread.result()
   
10. 
    
11.   finally:
    
12.     monitor.keep_measuring = False
    
13.     max_usage = mem_thread.result()
    
14. 
    
15.   print(f"Peak memory usage: {max_usage}")

複製代碼

ThreadPoolExecutor為提交要線上程中執行的任務提供了一種方便的方法。我們向執行程式提交兩個任務——監視器和my_analysis_function(如果分析函式需要額外的引數，可以通過提交呼叫傳入它們)。對fn_thread.result()的呼叫將被阻塞，直到分析函式完成並獲得其結果，此時我們可以通知監視器停止並獲得最大記憶體。try/finally模組確保瞭如果分析函式丟擲異常，記憶體執行緒仍然會被終止。

使用這種方法，我們可以有效地隨時間對記憶體使用情況進行抽樣。大部分工作將在主分析執行緒中完成;但是每0.1秒，監視器執行緒就會被喚醒，進行一次記憶體測量，如果記憶體使用量增加就將其儲存，然後返回睡眠狀態。

英文原文：

https://medium.com/survata-engineering-blog/monitoring-memory-usage-of-a-running-python-program-49f027e3d1ba