Python:写入文件时的内存使用情况(生成器与列表)

Question

我正在尝试从大型 tarball 文件创建文件名列表，我想了解为什么我的示例中的内存使用情况仍然相同？是因为在文件实际关闭之前 f.write() 仍在内存中保存/缓冲所有对象吗？有没有办法改善这个问题？

# touch file{1..100000}.txt
# tar cf test.tar file*

生成器

# python test.py 
Memory (Before): 40.918MB
Memory (After): 117.066MB
It took 12.636950492858887 seconds.

列表:

# python test.py
Memory (Before): 40.918MB
Memory (After): 117.832MB
It took 12.049121856689453 seconds.

测试.py

#!/usr/bin/python3

import memory_profiler
import tarfile
import time


def files_generator(tar):
    entry = tar.next()
    while entry:
        yield entry.name
        entry = tar.next()

def files_list(tar):
    return tar.getnames()

if __name__ == '__main__':
    print(f'Memory (Before): {memory_profiler.memory_usage()[0]:.3f}MB')
    start = time.time()
    tar = tarfile.open('test.tar')
    with open('output_g.txt', 'w') as f:
        for i in files_generator(tar):
        #for i in files_list(tar):
            f.write(i + '\n')
    end = time.time()
    print(f'Memory (After): {memory_profiler.memory_usage()[0]:.3f}MB')
    print(f'It took {end-start} seconds.')

Answer 1

Tarfile.next() 方法缓存其内容，including the lines :

if tarinfo is not None: 
    self.members.append(tarinfo)

事实证明，Tarfile.getnames() 调用Tarfile.getmembers()，后者又调用 Tarfile._load()，后者重复调用 Tarfile.next() 直到所有内容都读入 self.members。因此 Tarfile.getnames() 和通过 Tarfile.next() 进行迭代将具有相同的内存使用量。