Python 内存使用:创建一个大集合与合并多个小集合
我使用magic函数来测量内存使用情况:Python 内存使用:创建一个大集合与合并多个小集合,python,python-2.7,memory,set,Python,Python 2.7,Memory,Set,我使用magic函数来测量内存使用情况: In [1]: %memit n = pow(10, 7); range(n) peak memory: 568 MiB, increment: 272 MiB In [2]: %memit n = pow(10, 7); set(xrange(n)) peak memory: 824 MiB, increment: 447 MiB 好的,似乎有一个中间步骤,xrange(n)被实例化为一个完整的列表。但是如果我把我的列表分成10个子列表,然后一个接
In [1]: %memit n = pow(10, 7); range(n)
peak memory: 568 MiB, increment: 272 MiB
In [2]: %memit n = pow(10, 7); set(xrange(n))
peak memory: 824 MiB, increment: 447 MiB
好的,似乎有一个中间步骤,xrange(n)
被实例化为一个完整的列表。但是如果我把我的列表分成10个子列表,然后一个接一个地合并它们呢?这会更节省内存,对吗
In [3]: %memit n = pow(10, 7); reduce(set.union, (set(xrange(p, n, 10)) for p in range(10)))
peak memory: 1260 MiB, increment: 897 MiB
嗯,事情并没有如预期的那样发展。为什么reduce
方法比set(xrange(n))消耗更多内存?,reduce
大致相当于:
def reduce(function, iterable, initializer=None):
it = iter(iterable)
if initializer is None:
try:
initializer = next(it)
except StopIteration:
raise TypeError('reduce() of empty sequence with no initial value')
accum_value = initializer
for x in it:
accum_value = function(accum_value, x)
return accum_value
迭代iterable
,(为范围(10)中的p设置(xrange(p,n,10))
,
需要大约447个MiB。
您可能认为,由于此iterable是一个生成器表达式,因此可以节省内存,但整数是:
“为了速度”,Python为整数对象维护一个内部自由列表。不幸的是,这个自由列表是不朽的,而且大小是无限的
因此,一旦每个集合被实例化,它所消耗的大部分内存就永远不会被释放
返回值accum_value
也需要大约447个MiB。因此,调用reduce
大约需要447+447=894 MiB。有许多误解需要澄清。首先,xrange
在set(xrange(n))
中被设置为set
之前,不会被转换为列表
reduce
方法的峰值内存来自以下事实:set.union
返回一个新值,该值是两个结果集的并集。并在内部存储一个额外值,即累计值
。因此,在该for
循环的最后一次迭代中:
accum_value = function(accum_value, x)
进入函数的累计值包含10的90%⁷ 元素,x
包含10%的元素⁷ 元素,但返回值将需要所有10个元素的空间⁷ 元素。所有这些都需要同时保留空间。只有在功能
返回后,旧的累计值
和x
的内存才会释放
然而,这还不是结束。峰值内存确实会告诉进程中需要多少内存,但如果集合仍然存在,则不会告诉在操作完成后使用了多少内存
因此,需要一个不同的基准:
In [1]: %memit n = pow(10, 7); result = set(xrange(n));
peak memory: 522.22 MiB, increment: 498.93 MiB
In [2]: %memit 42
peak memory: 513.83 MiB, increment: 0.12 MiB
In [3]: import sys
In [4]: sys.getsizeof(result)
Out[4]: 268435688
及
因此reduce
的内存使用在执行后下降到778mib;然而,它仍然比更简单的集合构造情况更重要。正如您所看到的,集合(xrange(n))
不需要太多的内部内存,因为在构建集合后,内存使用量仅减少了9 MiB
最值得注意的是,reduce
方法不仅速度较慢;结果集也会消耗两倍的内存。这是因为一个集合是由一个哈希表支持的,每当它被认为有太多冲突时,它就会变得更大。您遇到过病理行为,其中一组相同的值导致其中一个占用的内存是另一个的两倍 相关问题:请注意,set.union
如果参数是一个集合,将使用更多内存,因为它假设公共元素很少,因此将分配两倍所需的内存。
In [1]: %memit n = pow(10, 7); result = reduce(set.union, (set(xrange(p, n, 10)) for p in range(10)));
peak memory: 1063.20 MiB, increment: 1039.71 MiB
In [2]: %memit 42
peak memory: 779.77 MiB, increment: 0.00 MiB
In [3]: import sys
In [4]: sys.getsizeof(result)
Out[4]: 536871144
In [5]: 536871144.0 / 268435688
Out[5]: 1.9999991357333977