### 如何测量和计算Python程序运行时的内存使用情况 为了测量 Python 程序运行时的内存使用情况，可以采用多种方法和技术。以下是几种常见的实现方式： #### 使用 `get_memory_usage` 函数 可以通过定义一个函数来获取当前进程的内存使用量，并在程序的不同阶段调用该函数以记录内存变化[^1]。 ```python import os import psutil def get_memory_usage(): process = psutil.Process(os.getpid()) mem_info = process.memory_info() return mem_info.rss # 返回驻留集大小 (Resident Set Size)，单位字节 ``` 通过上述代码，在程序开始前和结束后分别调用 `get_memory_usage()` 可以得到内存的变化值。 --- #### 利用 `timeit` 和自定义逻辑结合 除了单独计算内存外，还可以将时间与内存的计算结合起来。例如，先启动计时器并记录初始内存状态，待程序结束后再记录最终内存状态[^3]。 ```python import timeit import os import psutil start_time = timeit.default_timer() initial_mem = psutil.Process(os.getpid()).memory_info().rss # 执行目标程序 program_logic() end_time = timeit.default_timer() final_mem = psutil.Process(os.getpid()).memory_info().rss print(f"Used Time: {end_time - start_time} seconds") print(f"Memory Usage Difference: {(final_mem - initial_mem) / (1024 ** 2)} MB") # 转换为MB ``` 这种方法能够同时展示程序的时间消耗和内存增长情况。 --- #### 借助第三方库 `memory_profiler` 如果希望更加精确地分析每行代码的内存使用状况，则可引入外部模块 `memory_profiler` 来完成此任务[^4]。需要注意的是，虽然它可以提供详细的逐行内存统计信息，但也可能导致性能下降。 安装命令如下： ```bash pip install memory-profiler ``` 随后可以在脚本顶部导入相应功能并对特定函数进行装饰处理： ```python from memory_profiler import profile @profile def my_function(): a = [1] * (10 ** 6) b = [2] * (2 * 10 ** 7) del b return a if __name__ == "__main__": my_function() ``` 执行以上代码后会打印出每一行对应的内存增量数据。 --- #### 设置最大允许内存限制 对于某些场景下还需要设定整个应用程序能访问的最大物理内存容量上限以防失控耗尽系统资源的情况发生时，则可通过调整操作系统级别的参数或者利用专门工具包如 resource 实现这一目的[^2]: ```python import resource soft, hard = resource.getrlimit(resource.RLIMIT_AS) resource.setrlimit(resource.RLIMIT_AS, (desired_limit_in_bytes, hard)) ``` 这里的 desired_limit_in_bytes 应设置为你期望达到的具体数值(通常以GB形式表示再乘上适当倍数转换成字节数). --- ### 总结 综上所述，有多种途径可用于监控 python 应用在整个生命周期内的动态存储需求水平；无论是简单的前后对比还是深入剖析内部细节均能找到合适的解决方案满足不同层次的需求。