真實內存vs異形內存python

使用memory_profiler來幫助需要釋放一些內存的項目。開發環境是OS X雪豹。真實內存vs異形內存python

如下圖所示，配置文件的內存高達414.699 MiB左右，但活動監視器顯示的進程達到峯值的近兩倍（大於900 MB）。

Line # Mem usage Increment Line Contents 
================================================ 
    24 20.441 MiB 0.000 MiB @profile 
    25        def do_work(): 
    26         "Call each function in order" 
    27 20.445 MiB 0.004 MiB  x = audio.AudioQuantumList() 
    28 137.098 MiB 116.652 MiB  audiofile = make_objects("/Users/path/audio/Track01.mp3") 
    29 295.480 MiB 158.383 MiB  audiofile2 = make_objects("/Users/path/audio/Track02.mp3") 
    30 414.699 MiB 119.219 MiB  audiofile3 = make_objects("/Users/path/audio/Track03.mp3") 
    31 414.699 MiB 0.000 MiB  x = add_to_list(audiofile, x) 
    32 417.426 MiB 2.727 MiB  audiofile = clear_memory(audiofile) 
    33 417.426 MiB 0.000 MiB  gc.collect() 
    34 417.426 MiB 0.000 MiB  x = add_to_list(audiofile2, x) 
    35 425.047 MiB 7.621 MiB  audiofile2 = clear_memory(audiofile2) 
    36 285.344 MiB -139.703 MiB  gc.collect() 
    37 285.344 MiB 0.000 MiB  x = add_to_list(audiofile3, x) 
    38 340.082 MiB 54.738 MiB  audiofile3 = clear_memory(audiofile3) 
    39 339.582 MiB -0.500 MiB  gc.collect()

memory_profiler是否正常顯示CPU實際使用的內存的一半？實際上這裏發生了什麼？

還要注意的是，當gc.collect不顯式調用，在行36釋放了-139.703 MiB成爲：

================================================ 
35 374.895 MiB -45.617 MiB  audiofile2 = clear_memory(audiofile2)

來源

2014-09-02 MikeiLL

在行由行報告，每行執行後的內存使用情況memory_profiler措施。在函數內部的內存峯值中，例如在make_objects之內，但在函數返回之前釋放內存，則memory_profiler將不會報告該用法。

解決方法還包括裝飾嵌套函數（例如make_objects）或使用mprof（與memory_profiler一起分發）報告內存使用情況作爲時間的函數。

來源

2015-08-04 16:50:50

真實內存vs異形內存python

回答

相關問題