- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我有一个正在读取的大文件,每隔几行就将其转换为一个 Object 的实例。
由于我正在循环文件,我使用 list.append(instance) 将实例存储到列表中,然后继续循环。
这是一个大约 100MB 左右的文件,所以它不会太大,但随着列表变大,循环会逐渐变慢。 (我打印循环中每一圈的时间)。
这不是循环固有的 ~ 当我在循环文件时打印每个新实例时,程序以恒定速度运行 ~ 只有当我将它们 append 到列表时它才会变慢。
我的 friend 建议在 while 循环之前禁用垃圾收集并在之后启用它并进行垃圾收集调用。
有没有其他人观察到 list.append 变慢的类似问题?有没有其他方法可以规避这个问题?
我将尝试以下建议的以下两件事。
(1)“预分配”内存~最好的方法是什么? (2) 尝试使用双端队列
多个帖子(请参阅 Alex Martelli 的评论)建议内存碎片(他像我一样拥有大量可用内存)〜但没有明显的性能修复。
要复制该现象,请运行答案中提供的下面的测试代码,并假设列表有有用的数据。
gc.disable() 和 gc.enable() 有助于计时。我还会仔分割析所有时间都花在了哪里。
最佳答案
您观察到的性能差是您正在使用的版本中的python垃圾收集器中的错误引起的。升级到Python 2.7,或3.1或更高版本或更高版本或更高版本以恢复不适合的0(1)行为期望在 Python 中追加列表。
如果您无法升级,请在构建列表时禁用垃圾收集,并在完成后将其打开。
(您也可以调整垃圾收集器的触发器或随着进度的有选择性调用收集,但是我在此答案中不探索这些选项,因为它们更复杂,我怀疑您的用例适合上述解决方案。)<)<)<)<)<)
背景:
见:https://bugs.python.org/issue4074还有https://docs.python.org/release/2.5.2/lib/module-gc.html
记者观察到,随着列表的长度增长,将复杂对象(不是数字或字符串的对象) append 到线性的速度。
这种行为的原因是垃圾收集器正在检查和重新检查列表中的每个对象,以查看它们是否有资格获得垃圾收集。此行为会导致将对象添加到列表的时间线性增加。预计会在 py3k 中进行修复,因此它不应该适用于您正在使用的解释器。
测试:
我进行了一个测试来证明这一点。对于 1k 次迭代,我将 10k 个对象 append 到一个列表中,并记录每次迭代的运行时间。整体运行时差异立即显而易见。在测试的内部循环期间禁用垃圾收集,我的系统上的运行时间为 18.6 秒。为整个测试启用垃圾回收后,运行时间为 899.4s。
这是测试:
import time
import gc
class A:
def __init__(self):
self.x = 1
self.y = 2
self.why = 'no reason'
def time_to_append(size, append_list, item_gen):
t0 = time.time()
for i in xrange(0, size):
append_list.append(item_gen())
return time.time() - t0
def test():
x = []
count = 10000
for i in xrange(0,1000):
print len(x), time_to_append(count, x, lambda: A())
def test_nogc():
x = []
count = 10000
for i in xrange(0,1000):
gc.disable()
print len(x), time_to_append(count, x, lambda: A())
gc.enable()
完整来源:https://hypervolu.me/~erik/programming/python_lists/listtest.py.txt
图形结果:红色是 gc 开启,蓝色是 gc 关闭。 y 轴是对数刻度的秒数。
(来源:hypervolu.me)
由于这两个图在 y 分量上相差几个数量级,因此在这里它们是独立的,y 轴是线性缩放的。
(来源:hypervolu.me)
(来源:hypervolu.me)
有趣的是,随着垃圾收集的关闭,我们只看到每10k附录的运行时尖峰,这表明Python的 list 重新分配成本相对较低。无论如何,它们比垃圾收集成本低许多数量级。
以上图的密度很难看出,在垃圾收集器开启的情况下,大多数区间实际上都有很好的性能;只有当垃圾收集器循环时,我们才会遇到病态行为。您可以在这个 10k append 时间的直方图中观察到这一点。大多数数据点每 10k 追加下降约 0.02 秒。
(来源:hypervolu.me)
用于生成这些图的原始数据可以在 http://hypervolu.me/~erik/programming/python_lists/ 找到。
关于python - 有没有办法绕过 Python list.append() 随着列表的增长而在循环中逐渐变慢?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2473783/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!