python - 加载大对象后测量堆大小的增加

Question

我很想知道加载大对象时 python 堆总大小的增加情况。 heapy 似乎是我需要的，但我不明白结果。

我有一个 350 MB 的 pickle 文件，其中包含一个 pandas DataFrame，其中包含大约 250 万个条目。当我加载文件并随后使用 heapy 检查堆时，它报告说只有大约 8 MB 的对象被添加到堆中。

import guppy
h = guppy.hpy()
h.setrelheap()
df = pickle.load(open('test-df.pickle'))
h.heap()

这给出了以下输出:

Partition of a set of 95278 objects. Total size = 8694448 bytes.
 Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
     0  44700  47  4445944  51   4445944  51 str
     1  25595  27  1056560  12   5502504  63 tuple
     2   6935   7   499320   6   6001824  69 types.CodeType
...

让我感到困惑的是 8694448 字节 的总大小。那只是 8 MB。

为什么 Total size 不反射(reflect)整个 DataFrame df 的大小？

(使用 python 2.7.3，heapy 0.1.10，Linux 3.2.0-48-generic-pae(Ubuntu)，i686)

Answer 1

你可以试试 pympler ，我上次检查时对我有用。如果您只对总内存增加感兴趣而不是对特定类感兴趣，您可以通过特定于操作系统的调用来获取已使用的总内存。例如，在基于 unix 的操作系统上，您可以在加载对象之前和之后执行类似以下操作以获取差异。

resource.getrusage(resource.RUSAGE_SELF).ru_maxrss