Question

我正在尝试从大型tarball文件创建文件名列表，我想了解为什么示例中的内存使用率仍然相同？是否是因为f.write()仍在文件实际关闭之前仍在保存/缓冲内存中的所有对象？有办法改善吗？

# 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.

test.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.')

Answer 1

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()，后者调用Tarfile._load()，后者反复调用Tarfile.next()，直到全部读入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情况。

Python：写入文件时的内存使用情况（生成器与列表）

1 个答案: