Python 什么'；在Google App Engine上创建大批量数据存储对象的内存效率最高的方法是什么？

我有一些代码在GAE worker任务中大致实现了这一点：

list_of_dicts = xmlrpc_call(...)
objects_to_put = []

for row in list_of_dicts.items():
    object = DatastoreModel(**row)
    object.x = ...
    objects_to_put.append(object)

db.put(objects_to_put)

我也试过：

list_of_dicts = xmlrpc_call(...)
objects_to_put = []

for row in list_of_dicts.items():
    object = DatastoreModel(**row)
    object.x = ...
    objects_to_put.append(object)
    if len(objects_to_put) > 10:
        db.put(objects_to_put)
        objects_to_put = []
db.put(objects_to_put)

（想法是每10个对象放置一次，以避免有一个庞大的列表）

问题总是在于，这段代码显然占用了大量内存，尽管列表相对较小（约100项），并且最后一段代码中的每个项只包含几个键。这里除了相对较小的数据结构之外，没有大的blob、大的字符串块或任何东西

---

是什么导致此worker每次运行时都超过其内存配额？如何有效地创建相对较大（约100个）数量的数据存储对象？

我认为第二种方法和添加del关键字会更好。 但很难说它能解决你的问题

list_of_dicts = xmlrpc_call(...)
objects_to_put = []

for row in list_of_dicts.items():
    object = DatastoreModel(**row)
    object.x = ...
    objects_to_put.append(object)
    if len(objects_to_put) > 10:
        db.put_async(objects_to_put)
        del objects_to_put[:]

db.put_async(objects_to_put)

有一个AppTrace工具可以跟踪development server中的内存使用情况。但是，它仅在开发服务器上运行。

由于apptrace仅用于开发和调试目的， 它与Google应用程序引擎的appserver开发一起工作 pythonsdk和typhonae。这绝对不会对GAE起作用 生产环境

---

这是请求所做的唯一事情吗？你确定这就是罪魁祸首吗？其他处理人员呢？显然是这个要求，是的。我还没有完全排除在那个请求中出现其他乱七八糟的事情的可能性，但这似乎不太可能。这是一个工作者请求，它只是拉入一些xmlrpc，并将其转换为datastrore对象。谢谢