前言

最近在做文本統(tǒng)計(jì)，用 Python 實(shí)現(xiàn)，遇到了一個(gè)比較有意思的難題——如何保存統(tǒng)計(jì)結(jié)果。

直接寫(xiě)入內(nèi)存實(shí)在是放不下，十幾個(gè)小時(shí)后內(nèi)存耗盡，程序被迫關(guān)閉。如果直接寫(xiě)入數(shù)據(jù)庫(kù)吧，每次寫(xiě)入又太慢了，本來(lái)就十幾個(gè)小時(shí)了，這樣下去就要往星期上數(shù)了，也不是個(gè)辦法。

解決方案

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

但這樣就有一個(gè)閾值，如何確定同步硬盤(pán)的時(shí)機(jī)，通常可以按照文件粒度進(jìn)行處理，比如處理一個(gè)語(yǔ)料文件同步一次……但我的語(yǔ)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(lái)我想用統(tǒng)計(jì)數(shù)據(jù)量進(jìn)行判斷……可這又有點(diǎn)難以估計(jì)，小了吧頻繁寫(xiě)入，緩存的意義就不大了，大了吧還沒(méi)等到條目數(shù)量達(dá)到，內(nèi)存就已經(jīng)爆滿(mǎn)。另外考慮到將來(lái)程序會(huì)運(yùn)行在不同配置的設(shè)備上，讓其他開(kāi)發(fā)者根據(jù)自身情況計(jì)算這個(gè)閾值也有點(diǎn)太不友好，于是我想到了一個(gè)辦法——不如讓 Python 自己檢測(cè)自己的內(nèi)存占用，如果快滿(mǎn)了（或者達(dá)到閾值），就同步寫(xiě)入硬盤(pán)一次。

對(duì)于其他開(kāi)發(fā)者來(lái)說(shuō)，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(yùn)行狀況設(shè)置一個(gè)合理的閾值，相當(dāng)方便。

要用 Python 監(jiān)控自身內(nèi)存占用，要使用 psutil 這個(gè)庫(kù)來(lái)和系統(tǒng)進(jìn)行交互，基本邏輯就是先拿到自己的 pid ，然后根據(jù)這個(gè) pid 去跟系統(tǒng)獲取進(jìn)程信息。

def get_current_memory_gb() -> int:# 獲取當(dāng)前進(jìn)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(gè) 20GB 就相當(dāng)安全，用 Python 進(jìn)行統(tǒng)計(jì)語(yǔ)料，數(shù)據(jù)多到進(jìn)程占用 20GB 內(nèi)存了，就把當(dāng)前的數(shù)據(jù)寫(xiě)入硬盤(pán)，同步統(tǒng)計(jì)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(gè)跨平臺(tái)庫(kù)，能夠輕松實(shí)現(xiàn)獲取系統(tǒng)運(yùn)行的進(jìn)程和系統(tǒng)利用率，包括CPU、內(nèi)存、磁盤(pán)、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(shí)時(shí)檢測(cè)自身內(nèi)存占用的文章就介紹到這了,更多相關(guān)Python實(shí)時(shí)檢測(cè)自身內(nèi)存占用內(nèi)容請(qǐng)搜索好吧啦網(wǎng)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好吧啦網(wǎng)！