我正在尝试从大型 tarball 文件创建文件名列表,我想了解为什么我的示例中的内存使用情况仍然相同?是因为在文件实际关闭之前 f.write()
仍在内存中保存/缓冲所有对象吗?有没有办法改善这个问题?
# touch file{1..100000}.txt
# tar cf test.tar file*
生成器
# python test.py
Memory (Before): 40.918MB
Memory (After): 117.066MB
It took 12.636950492858887 seconds.
列表:
# python test.py
Memory (Before): 40.918MB
Memory (After): 117.832MB
It took 12.049121856689453 seconds.
测试.py
#!/usr/bin/python3
import memory_profiler
import tarfile
import time
def files_generator(tar):
entry = tar.next()
while entry:
yield entry.name
entry = tar.next()
def files_list(tar):
return tar.getnames()
if __name__ == '__main__':
print(f'Memory (Before): {memory_profiler.memory_usage()[0]:.3f}MB')
start = time.time()
tar = tarfile.open('test.tar')
with open('output_g.txt', 'w') as f:
for i in files_generator(tar):
#for i in files_list(tar):
f.write(i + '\n')
end = time.time()
print(f'Memory (After): {memory_profiler.memory_usage()[0]:.3f}MB')
print(f'It took {end-start} seconds.')
最佳答案
Tarfile.next()
方法缓存其内容,including the lines :
if tarinfo is not None:
self.members.append(tarinfo)
事实证明,Tarfile.getnames()
调用Tarfile.getmembers()
,后者又调用 Tarfile._load()
,后者重复调用 Tarfile.next()
直到所有内容都读入 self.members
。因此 Tarfile.getnames()
和通过 Tarfile.next()
进行迭代将具有相同的内存使用量。
关于Python:写入文件时的内存使用情况(生成器与列表),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52223756/