Który Profiler pamięci Pythona jest zalecany? [zamknięte]

Ponieważ nikt o tym nie wspomniał, wskażę mój Moduł memory_profiler , który jest w stanie drukować wiersz po wierszu raport zużycia pamięci i działa na Unixie i Windows (potrzebuje psutil na tym ostatnim). Dane wyjściowe nie są zbyt szczegółowe, ale celem jest pokazanie, gdzie kod zużywa więcej pamięci, a nie wyczerpująca analiza przydzielonych obiektów.

Po zdobieniu funkcji @profile i uruchomieniu kodu z flagą -m memory_profiler wydrukuje raport liniowy w ten sposób:

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a

Polecam Dowser. Jest bardzo łatwy w konfiguracji i nie potrzebujesz żadnych zmian w kodzie. Możesz przeglądać liczbę obiektów każdego typu w czasie, wyświetlać listę aktywnych obiektów, wyświetlać odniesienia do aktywnych obiektów, wszystko z prostego interfejsu internetowego.

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.server.quickstart()
    cherrypy.engine.start(blocking=False)

Importujesz memdebug i wywołujesz memdebug.zaczynaj. To wszystko.

UPDATE

Powyższy kod jest dla CherryPy 2.X, CherryPy 3.X na server.quickstart metoda została usunięta i engine.start nie przyjmuje znacznika blocking. Więc jeśli używasz CherryPy 3.X

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.engine.start()

Rozważmy bibliotekę objgraph (Zobacz http://www.lshift.net/blog/2008/11/14/tracing-python-memory-leaks dla przykładowego przypadku użycia).

Muppy to (kolejny) Profiler użycia pamięci dla Pythona. Ten zestaw narzędzi skupia się na identyfikacji wycieków pamięci.

Muppy stara się pomóc programistom w identyfikacji wycieków pamięci aplikacji Pythona. Umożliwia śledzenie wykorzystania pamięci w czasie wykonywania i identyfikację obiektów, które są nieszczelne. Dodatkowo dostępne są narzędzia, które pozwalają zlokalizować źródło nie zwalnianych obiektów.

Znalazłem meliae jest znacznie bardziej funkcjonalny niż Heopy lub PySizer. Jeśli zdarzy ci się uruchomić wsgi webapp, to Dozer jest ładnym opakowaniem Middleware z Dowser

Rozwijam Profiler pamięci dla Pythona o nazwie memprof:

Http://jmdana.github.io/memprof/

Pozwala na rejestrowanie i rysowanie wykorzystania pamięci zmiennych podczas wykonywania dekorowanych metod. Wystarczy zaimportować bibliotekę używając:

from memprof import memprof

I udekoruj swoją metodę używając:

@memprof

To jest przykład jak wyglądają działki:

Projekt jest hostowany w GitHub:

Https://github.com/jmdana/memprof

Wypróbuj również projekt pytracemalloc , który zapewnia zużycie pamięci na numer linii Pythona.

EDIT (2014/04): teraz ma Qt GUI do analizy migawek.