最近在做文本統計，用 Python 實現，遇到了一個比較有意思的難題——如何保存統計結果。
直接寫入內存實在是放不下，十幾個小時後內存耗盡，程序被迫關閉。如果直接寫入數據庫吧，每次寫入又太慢了，本來就十幾個小時了，這樣下去就要往星期上數了，也不是個辦法。
最後，我想到了一個兩者兼顧的方案——用內存做緩衝，達到一定量之後一次性將當前所有數據合併到硬盤裡。
但這樣就有一個閾值，如何確定同步硬盤的時機，通常可以按照文件粒度進行處理，比如處理一個語料文件同步一次……但我的語料有大有小，大的有10GB，根本等不到那一刻內存就爆炸了，後來我想用統計數據量進行判斷……可這又有點難以估計，小了吧頻繁寫入，緩存的意義就不大了，大了吧還沒等到條目數量達到，內存就已經爆滿。另外考慮到將來程序會運行在不同配置的設備上，讓其他開發者根據自身情況計算這個閾值也有點太不友好，於是我想到了一個辦法——不如讓 Python 自己檢測自己的內存佔用，如果快滿了（或者達到閾值），就同步寫入硬盤一次。
對於其他開發者來說，自身設備的內存多大是很容易查看的，根據系統運行狀況設置一個合理的閾值，相當方便。
要用 Python 監控自身內存佔用，要使用 psutil 這個庫來和系統進行交互，基本邏輯就是先拿到自己的 PID ，然後根據這個 PID 去跟系統獲取進程信息。
|
1 2 3 4 5 6 |
def get_current_memory_gb() -> int: # 获取当前进程内存占用。 pid = os.getpid() p = psutil.Process(pid) info = p.memory_full_info() return info.uss / 1024. / 1024. / 1024. |
比如我係統是 32GB 內存，那麼我設置個 20GB 就相當安全，用 Python 進行統計語料，數據多到進程佔用 20GB 內存了，就把當前的數據寫入硬盤，同步統計數據，然後清空程序裡的字典緩存釋放內存。
——完美。
本文由 落格博客 原創撰寫：落格博客 » Python 實時檢測自身內存佔用
轉載請保留出處和原文鏈接：https://www.logcg.com/archives/3367.html
