您現在的位置是:網站首頁> 內容頁

Python讀取大文件的"坑“與內存占用檢測

  • 宏威國際官網歡迎您
  • 2019-08-20
  • 489人已閱讀
簡介python讀寫文件的api都很簡單,一不留神就容易踩”坑“。筆者記錄一次踩坑歷程,并且給了一些總結,希望到大家在使用python的過程之中,能夠避免一些可能產生隱患的代碼。1.rea

python讀寫文件的api都很簡單,一不留神就容易踩”“。筆者記錄一次踩坑歷程,并且給了一些總結,希望到大家在使用python的過程之中,能夠避免一些可能產生隱患的代碼。

1.read()與readlines():

隨手搜索python讀寫文件的教程,很經常看到read()與readlines()這對函數。所以我們會常常看到如下代碼:

with open(file_path, "rb") as f: sha1Obj.update(f.read())

or

with open(file_path, "rb") as f: for line in f.readlines(): print(line)

這對方法在讀取小文件時確實不會產生什么異常,但是一旦讀取大文件,很容易會產生MemoryError,也就是內存溢出的問題。

####Why Memory Error?我們首先來看看這兩個方法:

當默認參數size=-1時,read方法會讀取直到EOF,當文件大小大于可用內存時,自然會發生內存溢出的錯誤。

同樣的,readlines會構造一個list。list而不是iter,所以所有的內容都會保存在內存之上,同樣也會發生內存溢出的錯誤。

2.正確的用法:

在實際運行的系統之中如果寫出上述代碼是十分危險的,這種”坑“十分隱蔽。所以接下來我們來了解一下正確用,正確的用法也很簡單,依照API之中對函數的描述來進行對應的編碼就OK了:

如果是二進制文件推薦用如下這種寫法,可以自己指定緩沖區有多少byte。顯然緩沖區越大,讀取速度越快。

with open(file_path, "rb") as f: while True: buf = f.read(1024) if buf: sha1Obj.update(buf) else: break

而如果是文本文件,則可以用readline方法或直接迭代文件(python這里封裝了一個語法糖,二者的內生邏輯一致,不過顯然迭代文件的寫法更pythonic )每次讀取一行,效率是比較低的。筆者簡單測試了一下,在3G文件之下,大概性能和前者差了20%.

with open(file_path, "rb") as f: while True: line = f.readline() if buf: print(line) else: breakwith open(file_path, "rb") as f: for line in f: print(line)

3.內存檢測工具的介紹:

對于python代碼的內存占用問題,對于代碼進行內存監控十分必要。這里筆者這里推薦兩個小工具來檢測python代碼的內存占用。

####memory_profiler首先先用pip安裝memory_profiler

pip install memory_profiler

memory_profiler是利用python的裝飾器工作的,所以我們需要在進行測試的函數上添加裝飾器。

from hashlib import sha1import [email protected] my_func(): sha1Obj = sha1() with open(sys.argv[1], "rb") as f: while True: buf = f.read(10 * 1024 * 1024) if buf: sha1Obj.update(buf) else: break print(sha1Obj.hexdigest())if __name__ == "__main__": my_func()

之后在運行代碼時加上** -m memory_profiler**就可以了解函數每一步代碼的內存占用了

guppy

依樣畫葫蘆,仍然是通過pip先安裝guppy

pip install guppy

之后可以在代碼之中利用guppy直接打印出對應各種python類型(list、tuple、dict等)分別創建了多少對象,占用了多少內存。

from guppy import hpyimport sysdef my_func(): mem = hpy() with open(sys.argv[1], "rb") as f: while True: buf = f.read(10 * 1024 * 1024) if buf: print(mem.heap()) else: break

如下圖所示,可以看到打印出對應的內存占用數據:

通過上述兩種工具guppy與memory_profiler可以很好地來監控python代碼運行時的內存占用問題。

4.小結:

python是一門崇尚簡潔的語言,但是正是因為它的簡潔反而更多了許多需要仔細推敲和思考的細節。希望大家在日常工作與學習之中也能多對一些細節進行總結,少踩一些不必要的“坑”。

文章評論

Top 炸金花比牌要双倍么