前言

最近在做文本統(tǒng)計，用 Python 實現(xiàn)，遇到了一個比較有意思的難題——如何保存統(tǒng)計結(jié)果。

直接寫入內(nèi)存實在是放不下，十幾個小時后內(nèi)存耗盡，程序被迫關(guān)閉。如果直接寫入數(shù)據(jù)庫吧，每次寫入又太慢了，本來就十幾個小時了，這樣下去就要往星期上數(shù)了，也不是個辦法。

解決方案

最后，我想到了一個兩者兼顧的方案——用內(nèi)存做緩沖，達到一定量之后一次性將當前所有數(shù)據(jù)合并到硬盤里。

但這樣就有一個閾值，如何確定同步硬盤的時機，通常可以按照文件粒度進行處理，比如處理一個語料文件同步一次……但我的語料有大有小，大的有10GB，根本等不到那一刻內(nèi)存就爆炸了，后來我想用統(tǒng)計數(shù)據(jù)量進行判斷……可這又有點難以估計，小了吧頻繁寫入，緩存的意義就不大了，大了吧還沒等到條目數(shù)量達到，內(nèi)存就已經(jīng)爆滿。另外考慮到將來程序會運行在不同配置的設(shè)備上，讓其他開發(fā)者根據(jù)自身情況計算這個閾值也有點太不友好，于是我想到了一個辦法——不如讓 Python 自己檢測自己的內(nèi)存占用，如果快滿了（或者達到閾值），就同步寫入硬盤一次。

對于其他開發(fā)者來說，自身設(shè)備的內(nèi)存多大是很容易查看的，根據(jù)系統(tǒng)運行狀況設(shè)置一個合理的閾值，相當方便。

要用 Python 監(jiān)控自身內(nèi)存占用，要使用 psutil 這個庫來和系統(tǒng)進行交互，基本邏輯就是先拿到自己的 pid ，然后根據(jù)這個 pid 去跟系統(tǒng)獲取進程信息。

def get_current_memory_gb() -> int:
# 獲取當前進程內(nèi)存占用。
pid = os.getpid()
p = psutil.Process(pid)
info = p.memory_full_info()
return info.uss / 1024. / 1024. / 1024.

比如我系統(tǒng)是 32GB 內(nèi)存，那么我設(shè)置個 20GB 就相當安全，用 Python 進行統(tǒng)計語料，數(shù)據(jù)多到進程占用 20GB 內(nèi)存了，就把當前的數(shù)據(jù)寫入硬盤，同步統(tǒng)計數(shù)據(jù)，然后清空程序里的字典緩存釋放內(nèi)存。

python之psutil

psutil是個跨平臺庫，能夠輕松實現(xiàn)獲取系統(tǒng)運行的進程和系統(tǒng)利用率，包括CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)等信息。

Linux系統(tǒng)下的安裝

pip install psutil

總結(jié)

到此這篇關(guān)于利用Python如何實時檢測自身內(nèi)存占用的文章就介紹到這了,更多相關(guān)Python實時檢測自身內(nèi)存占用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論