循环期间释放内存

Question

循环期间释放内存

pythonjsonperformanceoptimizationout-of-memory

11

我在我的代码中遇到了内存错误。我的解析器可以概括为：

# coding=utf-8
#! /usr/bin/env python
import sys
import json
from collections import defaultdict


class MyParserIter(object):

    def _parse_line(self, line):
        for couple in line.split(","):
            key, value = couple.split(':')[0], couple.split(':')[1]
            self.__hash[key].append(value)

    def __init__(self, line):
        # not the real parsing just a example to parse each
        # line to a dict-like obj
        self.__hash = defaultdict(list)
        self._parse_line(line)

    def __iter__(self):
        return iter(self.__hash.values())

    def to_dict(self):
        return self.__hash

    def __getitem__(self, item):
        return self.__hash[item]

    def free(self, item):
        self.__hash[item] = None

    def free_all(self):
        for k in self.__hash:
            self.free(k)

    def to_json(self):
        return json.dumps(self.to_dict())


def parse_file(file_path):
    list_result = []
    with open(file_path) as fin:
        for line in fin:
            parsed_line_obj = MyParserIter(line)
            list_result.append(parsed_line_obj)
    return list_result


def write_to_file(list_obj):
    with open("out.out", "w") as fout:
        for obj in list_obj:
            json_out = obj.to_json()
            fout.write(json_out + "\n")
            obj.free_all()
            obj = None

if __name__ == '__main__':
        result_list = parse_file('test.in')
        print(sys.getsizeof(result_list))
        write_to_file(result_list)
        print(sys.getsizeof(result_list))
        # the same result for memory usage result_list
        print(sys.getsizeof([None] * len(result_list)))
        # the result is not the same :(

目标是解析（大型）文件，将每行转换为JSON对象并写回到文件中。我的目标是减少占用空间，因为在某些情况下，此代码会引发内存错误。在每次fout.write之后，我希望删除（释放内存）obj引用。我尝试将obj设置为None或调用obj.free_all()方法，但它们都没有释放内存。我也使用了simplejson而不是json，这减少了占用空间，但在某些情况下仍然太大。 test.in看起来像:

test1:OK,test3:OK,...
test1:OK,test3:OK,...
test1:OK,test3:OK,test4:test_again...
....

- Ali SAID OMAR

你的test.in文件有多大？ - YOU

@JonnyTieM，是的，我试过了，但对性能产生了可怕的负面影响。 - Ali SAID OMAR

你尝试过取消引用这些对象吗？在这里查看：https://dev59.com/TGUp5IYBdhLWcg3wLlRV - bipartite

虽然这段代码不是很大，但你可以在不使用任何类的情况下实现它，这样可以减少内存的使用。 - YOU

我实际上是在总结我的解析器，我的应用程序是基于https://en.wikipedia.org/wiki/Electronic_data_interchange文件解析器，采用插件模式（每个规范一个插件），解析规则取决于规范版本（在我的代码中，加载不同的解析器类）。 - Ali SAID OMAR

显示剩余15条评论

2个回答

2

为了使obj能够被释放，必须消除所有对它的引用。你的循环没有做到这一点，因为list_obj中的引用仍然存在。以下方法可以解决这个问题：

def write_to_file(list_obj):
    with open("out.out", "w") as fout:
        for ix in range(list_obj):
            obj = list_obj[ix]
            list_obj[ix] = None
            json_out = obj.to_json()
            fout.write(json_out + "\n")
            obj.free_all()

或者，您可以从list_obj的前面破坏性地弹出元素，尽管如果不得不太多次重新分配list_obj，这可能会导致性能问题。我没有尝试过这个，所以我不是很确定。该版本如下：

def write_to_file(list_obj):
    with open("out.out", "w") as fout:
        while len(list_obj) > 0:
            obj = list_obj.pop(0)
            json_out = obj.to_json()
            fout.write(json_out + "\n")
            obj.free_all()

- Tom Karzes

谢谢。使用此代码的测试不会根据sys.getsizeof释放内存。 - Ali SAID OMAR

你尝试在消除引用后调用 gc.collect() 吗？ - Tom Karzes

是的，我做到了，处理时间已经大大缩短。 - Ali SAID OMAR

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- YOU · Accepted Answer

不要在数组中存储过多的类实例，而是要内联执行。例如：

% cat test.in
test1:OK,test3:OK
test1:OK,test3:OK
test1:OK,test3:OK,test4:test_again

% cat test.py 
import json

with open("test.in", "rb") as src:
    with open("out.out", "wb") as dst:
        for line in src:
            pairs, obj = [x.split(":",1) for x in line.rstrip().split(",")], {}
            for k,v in pairs:
                if k not in obj: obj[k] = []
                obj[k].append(v)
            dst.write(json.dumps(obj)+"\n")

% cat out.out
{"test1": ["OK"], "test3": ["OK"]}
{"test1": ["OK"], "test3": ["OK"]}
{"test1": ["OK"], "test3": ["OK"], "test4": ["test_again"]}

如果速度较慢，请不要逐行写入文件，而是将转储的json字符串存储在数组中，并执行dst.write("\n".join(array))。