我有一些关于以下示例中内存使用情况的相关问题。
-
如果我在解释器中运行，
foo = ['bar' for _ in xrange(10000000)]
我的机器上使用的实际内存达到80.9mb。然后我，
del foo
真实记忆力下降，但仅限于30.4mb。解释器使用4.4mb基线那么不释放有什么好处26mb操作系统的内存？是不是因为Python“未雨绸缪”，认为可能会再次使用那么多内存？
为什么会释放50.5mb特别是 - 释放的数量是多少？
有没有办法强制Python释放所有已使用的内存（如果你知道你不会再使用那么多内存）？
NOTE这个问题不同于如何在 Python 中显式释放内存？因为这个问题主要涉及即使解释器通过垃圾收集释放对象（使用gc.collect或不）。
我猜您真正关心的问题是：
有没有办法强制Python释放所有已使用的内存（如果你知道你不会再使用那么多内存）？
不，那里没有。但有一个简单的解决方法：子进程。
如果您需要 500MB 的临时存储 5 分钟，但之后您需要再运行 2 小时并且不会再接触那么多内存，请生成一个子进程来执行内存密集型工作。当子进程消失时，内存被释放。
这并不完全是微不足道和免费的，但它非常简单且便宜，这通常足以让交易变得值得。
首先，创建子进程的最简单方法是concurrent.futures（或者，对于 3.1 及更早版本，futuresPyPI 上的向后移植）：
with concurrent.futures.ProcessPoolExecutor(max_workers=1) as executor:
result = executor.submit(func, *args, **kwargs).result()
如果您需要更多控制，请使用multiprocessing module.
费用为：
- 在某些平台上，尤其是 Windows，进程启动有点慢。我们这里谈论的是毫秒，而不是分钟，如果你让一个孩子完成 300 秒的工作，你甚至不会注意到它。但它不是免费的。
- 如果您使用的大量临时内存确实是large，这样做可能会导致您的主程序被换出。当然，从长远来看，您可以节省时间，因为如果该内存永远挂起，则必然会导致在某个时刻进行交换。但在某些用例中，这可能会将逐渐缓慢变成非常明显的一次性（和早期）延迟。
- 在进程之间发送大量数据可能会很慢。同样，如果您正在谈论发送超过 2K 的参数并返回 64K 的结果，您甚至不会注意到它，但如果您正在发送和接收大量数据，您将需要使用其他机制（一份文件，
mmapped 或其他方式；中的共享内存 APImultiprocessing; etc.).
- 在进程之间发送大量数据意味着数据必须是可腌制的（或者，如果将它们保存在文件或共享内存中，
struct- 能够或理想ctypes-able).
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
