作用：memory_profiler是用来分析每行代码的内存使用情况

使用方法一：

　　 1.在函数前添加 @profile

        2.运行方式： python -m memory_profiler memory_profiler_test.py     

　　此方法缺点：在调试 和 实际项目运行时 要 增删 @profile 此装饰器

代码如下：

1 #coding:utf8 2  3 @profile 4 def test1(): 5     c=0 6     for item in xrange(100000): 7         c+=1 8     print c 9 10 if __name__=='__main__':11     test1()

输出结果：

rgc@rgc:~/baidu_eye/carrier/test$ python -m memory_profiler memory_profiler_test.py 100000Filename: memory_profiler_test.pyLine #    Mem usage    Increment   Line Contents================================================     5   21.492 MiB   21.492 MiB   @profile     6                             def test1():     7   21.492 MiB    0.000 MiB       c=0     8   21.492 MiB    0.000 MiB       for item in xrange(100000):     9   21.492 MiB    0.000 MiB           c+=1    10   21.492 MiB    0.000 MiB       print c

名词含义为

　　Mem usage: 内存占用情况

　　Increment: 执行该行代码后新增的内存

 

使用方法二：

　　1.先导入：    from memory_profiler import profile

       2.函数前加装饰器：   @profile(precision=4,stream=open('memory_profiler.log','w+'))            

　　　　　　　　　　　　参数含义：precision:精确到小数点后几位 

　　　　　　　　　　　　　　　　　stream:此模块分析结果保存到 'memory_profiler.log' 日志文件。如果没有此参数，分析结果会在控制台输出

　　运行方式：直接跑此脚本  python memory_profiler_test.py

　　此方法优点：解决第一种方法的缺点，在 不需要 分析时，直接注释掉此行

1 #coding:utf8 2 from memory_profiler import profile 3  4 @profile(precision=4,stream=open('memory_profiler.log','w+')) 5 # @profile 6 def test1(): 7     c=0 8     for item in xrange(100000): 9         c+=110     print c11 12 if __name__=='__main__':13     test1()

 

使用方法三：

　　脚本代码和方法二一样，但是 运行方式不同

　　mprof run memory_profiler_test.py       : 分析结果会保存到一个 .dat格式文件中

　　mprof plot                                              : 把结果以图片到方式显示出来（直接在本目录下运行此命令即可，程序会自动找出.dat文件） （要安装  pip install matplotlib）

       mprof clean                                           : 清空所有 .dat文件