Pull to refresh

Python потребляет много памяти или как уменьшить размер объектов?

Reading time 7 min
Views 28K

Проблема памяти может возникнуть, когда в процессе выполнения программы нужно иметь большое количество объектов, особенно если есть ограничения на общий размер доступной оперативной памяти.


Ниже приводится обзор некоторых методов уменьшения размера объектов, которые позволяют существенно сократить объем оперативной памяти, необходимой для программ на чистом Python.


Для простоты будем рассматривать структуры в Python для представления точки с координатами x, y, z с доступом к значениям координат по имени.


Dict


В небольших программах, особенно в скриптах, довольно просто и удобно использовать встроенный dict для представления структурной информации:


>>> ob = {'x':1, 'y':2, 'z':3}
>>> x = ob['x']
>>> ob['y'] = y

С появлением более "компактной" реализации в Python 3.6 с упорядоченным набором ключей dict стал еще более привлекательным. Однако, посмотрим на размер его следа в оперативной памяти:


>>> print(sys.getsizeof(ob))
240

Он занимает много памяти, особенно, если вдруг понадобится создать большое число экземпляров:


Количество экземпляров Размер следа
1 000 000 240 Мб
10 000 000 2.40 Гб
100 000 000 24 Гб

Class instance


Для любителей все облекать в классы более предпочтительным является определение в виде класса с доступом по имени атрибута:


class Point:
    #
    def __init__(self, x, y, z):
        self.x = x
        self.y = y
        self.z = z

>>> ob = Point(1,2,3)
>>> x = ob.x
>>> ob.y = y

Интересна структура экземпляра класса:


Поле Размер (байт)
PyGC_Head 24
PyObject_HEAD 16
__weakref__ 8
__dict__ 8
ВСЕГО: 56

Здесь __weakref__ это ссылка на список, так называемых, слабых ссылок (weak reference) на данный объект, поле __dict__ это ссылка на словарь экземпляра класса, в котором содержатся значения атрибутов экземпляра (заметим, что ссылки на 64-битной платформе занимают 8 байт). Начиная с Python 3.3, используется общее пространство для хранения ключей в словаре для всех экземпляров класса. Это сокращает размер следа экземпляра в памяти:


>>> print(sys.getsizeof(ob), sys.getsizeof(ob.__dict__)) 
56 112

Как результате большое количество экземпляров класса оставляют меньший след в памяти, чем обычный словарь (dict):


Количество экземпляров Размер следа
1 000 000 168 Мб
10 000 000 1.68 Гб
100 000 000 16.8 Гб

Нетрудно заметить, что след экземпляра в памяти все еще велик из-за размера словаря экземпляра.


Instance of class with __slots__


Существенное уменьшение следа экземпляра в памяти достигается путем исключения __dict__ и __weakref__. Это возможно при помощи "трюка" со __slots__:


class Point:
    __slots__ = 'x', 'y', 'z'

    def __init__(self, x, y, z):
        self.x = x
        self.y = y
        self.z = z

>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
64

След в памяти стал существенно компактнее:


Поле Размер (байт)
PyGC_Head 24
PyObject_HEAD 16
x 8
y 8
z 8
ВСЕГО: 64

Использование __slots__ в определении класса приводит к тому, что след большого числа экземпляров в памяти существенно уменьшается:


Количество экземпляров Размер следа
1 000 000 64 Мб
10 000 000 640 Мб
100 000 000 6.4 Гб

В настоящее время это основной метод существенного сокращения следа памяти экземпляра класса в памяти программы.


Достигается такое сокращение тем, что в памяти после заголовка объекта хранятся ссылки на объекты, а доступ к ним осуществляется при помощи специальных дескрипторов (descriptor), которые находятся в словаре класса:


>>> pprint(Point.__dict__)
mappingproxy(
              ....................................
              'x': <member 'x' of 'Point' objects>,
              'y': <member 'y' of 'Point' objects>,
              'z': <member 'z' of 'Point' objects>})

Для автоматизации процесса создания класса со __slots__ существует библиотека namedlist. Функция namedlist.namedlist создает класс по структуре идентичный классу со __slots__:


>>> Point = namedlist('Point', ('x', 'y', 'z'))

Другой пакет attrs позволяет автоматизировать процесс создания классов как со __slots__, так и без него.


Tuple


Для представления наборов данных в Python также есть встроенный тип tuple. Tuple это фиксированная структура или запись, но без имен полей. Для доступа к полю используется индекс поля. Поля tuple раз и навсегда связываются с объектами-значениями в момент создания экземпляра tuple:


>>> ob = (1,2,3)
>>> x = ob[0]
>>> ob[1] = y # НЕВОЗМОЖНО

Экземпляры tuple вполне компактны:


>>> print(sys.getsizeof(ob))
72

Они занимают в памяти на 8 байт больше, чем экземпляры классов со __slots__, так как след tuple в памяти также содержит количеством полей:


Поле Размер (байт)
PyGC_Head 24
PyObject_HEAD 16
ob_size 8
[0] 8
[1] 8
[2] 8
ВСЕГО: 72

Namedtuple


Так как tuple используется очень широко, то однажды возник запрос на то, чтобы можно было все-таки иметь доступ к полям и по имени тоже. Ответом на этот запрос стал модуль collections.namedtuple.


Функция namedtuple создана, чтобы автоматизировать процесс порождения таких классов:


>>> Point = namedtuple('Point', ('x', 'y', 'z'))

Она создает подкласс tuple, в котором определены дескрипторы для доступа в полям по имени. Для нашего примера это будет выглядеть примерно так:


 class Point(tuple):
     #
     @property
     def _get_x(self):
         return self[0]
     @property
     def _get_y(self):
         return self[1]
     @property
     def _get_y(self):
         return self[2]
     #
     def __new__(cls, x, y, z):
         return tuple.__new__(cls, (x, y, z))

Все экземпляры таких классов имеет след в памяти, идентичный с tuple. Большое число экземпляров оставляют чуть больший след памяти:


Количество экземпляров Размер следа
1 000 000 72 Мб
10 000 000 720 Мб

Recordclass: мутируемый namedtuple без GC


Так как tuple и, соответственно, namedtuple-классы порождают немутируемые объекты в том смысле, что объект значение ob.x уже нельзя связать с другим объектом-значением, то возник запрос на мутируемый вариант namedtuple. Так как в Python нет встроенного типа, идентичного tuple, поддерживающего присваивания, то было создано множество вариантов. Мы остановимся на recordclass, получившем оценку на stackoverflow. Кроме того, с его помощью можно уменьшить размер следа объекта в памяти по сравнению с размером следа объектов типа tuple.


В пакете recordclass вводится в обиход тип recordclass.mutabletuple, который практически во всем идентичен tuple, но также поддерживает присваивания. На его основе создаются подклассы, которые практически во всем идентичны namedtuples, но также поддерживают присваивание новых значений полям (не создавая новых экземпляров). Функция recordclass подобно функции namedtuple позволяет автоматизировать создание таких классов:


 >>> Point = recordclass('Point', ('x', 'y', 'z'))
 >>> ob = Point(1, 2, 3)

Экземпляры класса имеют аналогичную стуктуру, что и tuple, но только без PyGC_Head:


Поле Размер (байт)
PyObject_HEAD 16
ob_size 8
x 8
y 8
y 8
ВСЕГО: 48

По умолчанию функция recordclass порождает класс, который не участвует в механизме циклической сборки мусора. Обычно namedtuple и recordclass используют для порождения классов, представляющих записи или простые (нерекурсивные) структуры данных. Корректное их использование в Python не порождает циклических ссылок. По этой причине в следе экземпляров классов, порожденных recordclass по умолчанию, исключен фрагмент PyGC_Head, который необходим для классов, поддерживающих механизм циклической сборки мусора (более точно: в структуре PyTypeObject, соответствующей создаваемому классу в поле flags по умолчанию не установлен флаг Py_TPFLAGS_HAVE_GC).


Размер следа большого количества экземпляров оказывается меньше, чем у экземпляров класса со __slots__:


Количество экземпляров Размер следа
1 000 000 48 Мб
10 000 000 480 Мб
100 000 000 4.8 Гб

Dataobject


Другое решение, предложенное в библиотеке recordclass основано на идее: использовать структуру хранения в памяти, как у экземпляров классов со __slots__, но не участвовать при этом в механизме циклической сборки мусора. Класс порождается при помощи функции recordclass.make_dataclass:


 >>> Point = make_dataclass('Point', ('x', 'y', 'z'))

Созданный таким образом класс по умолчанию, создает мутируемые экземпляры.


Другой способ – использовать объявление класса путем наследования от recordclass.dataobject:


class Point(dataobject):
    x:int
    y:int
    z:int

Создаваемые таким образом классы будут порождать экземпляры, которые не участвуют в механизме циклической сборки мусора. Структура экземпляра в памяти такая же, как в случае со __slots__, но без заголовка PyGC_Head:


Поле Размер (байт)
PyObject_HEAD 16
x 8
y 8
y 8
ВСЕГО: 40

>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
40

Для доступа к полям также используются специальные дескрипторы для доступа к полю по его смещению относительно начала объекта, которые размещены в словаре класса:


mappingproxy({'__new__': <staticmethod at 0x7f203c4e6be0>,
              .......................................
              'x': <recordclass.dataobject.dataslotgetset at 0x7f203c55c690>,
              'y': <recordclass.dataobject.dataslotgetset at 0x7f203c55c670>,
              'z': <recordclass.dataobject.dataslotgetset at 0x7f203c55c410>})

Размер следа большого количества экземпляров оказывается минимально возможным для CPython :


Количество экземпляров Размер следа
1 000 000 40 Мб
10 000 000 400 Мб
100 000 000 4.0 Гб

Cython


Есть один подход, основанный на использовании Cython. Его достоинство состоит в том, что поля могут принимать значения типов языка C. Дескрипторы для доступа к полям из чистого Python создаются автоматически. Например:


cdef class Python:
    cdef public int x, y, z

 def __init__(self, x, y, z):
      self.x = x
      self.y = y
      self.z = z

В этом случае экземпляры имеют еще меньший размер памяти:


>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
32

След экземпляра в памяти имеет следующую структуру:


Поле Размер (байт)
PyObject_HEAD 16
x 4
y 4
y 4
пусто 4
ВСЕГО: 32

Размер следа большого количества экземпляров получается меньше:


Количество экземпляров Размер следа
1 000 000 32 Мб
10 000 000 320 Мб
100 000 000 3.2 Гб

Однако следует помнить, что при доступе из кода на Python всякий раз будет осуществляться преобразование из int в объект Python и наоборот.


Numpy


Использование многомерных массивов или массивов записей для большого количества данных дает выигрыш в памяти. Однако для эффективной обработки на чистом Python следует использовать методы обработки, ориентированные на применение функций из пакета numpy.


>>> Point = numpy.dtype(('x', numpy.int32), ('y', numpy.int32), ('z', numpy.int32)])

Массив и N элементов, инициализированный нулями создается при помощи функции:


 >>> points = numpy.zeros(N, dtype=Point)

Размер массива минимально возможный:


Количество экземпляров Размер следа
1 000 000 12 Мб
10 000 000 120 Мб
100 000 000 1.20 Гб

Обычный доступ к элементам массива и строкам потребует преобразования объекта Python
в значение C int и наоборот. Извлечение одной строки приводит к созданию массива, содержащего единственный элемент. След его уже не будет столь компактен:


  >>> sys.getsizeof(points[0])
  68

Поэтому, как было отмечено выше, в коде на Python необходимо осуществлять обработку массивов, используя функции из пакета numpy.


Заключение


На наглядном и простом примере можно было убедиться, что сообщество разработчиков и пользователей языка программирования Python (CPython) располагает реальными возможностями для существенного сокращения объема памяти, используемой объектами.

Tags:
Hubs:
+40
Comments 25
Comments Comments 25

Articles