代码之家 › 专栏 › 技术社区 › Donald

与CPython相比,PyPy占用了大量内存

pypy cpython io python

Donald · 技术社区 · 8 年前

problem 遇到了一件非常奇怪的事情。我提交了使用PyPy和Python 2编写代码。结果如下所示:

正如预期的那样,与CPython相比,使用PyPy的代码运行得更快。但同时,内存使用量增加了7倍!我在网上搜索了一下,但没有找到任何证据表明PyPy的内存使用量比CPython多得多。有人能解释一下内存使用的巨大差异吗?

import io, sys, atexit, os
sys.stdout = io.BytesIO()
atexit.register(lambda: sys.__stdout__.write(sys.stdout.getvalue()))
sys.stdin = io.BytesIO(sys.stdin.read())
raw_input = lambda: sys.stdin.readline().rstrip()

line = list(map(int,raw_input().split()))
num, k = line
ans = 0

for i in xrange(0,num):
    if int(raw_input())%k == 0:
        ans += 1;

print(ans)

有人能给我建议吗?

1 回复 | 直到 8 年前

ead 8 年前

首先,我无法重现结果。不知道SPOJ使用了哪些版本/设置。对于以下实验,使用PyPy 5.8.0和CPython 2.7.12。

作为测试用例,最大可能的输入文件大小约为 110MB

#create_data.py
print 10**6, 33
for i in xrange(10**6):
  print 10**9

>> python create_data.py > input.in

正在运行 /usr/bin/time -v XXX solution.py < input.py 产量:

Interpreter     MaximalResidentSize 
PyPy:                 278 Mb
CPython:              222 Mb

great article 关于他们的垃圾收集器及其与CPython的比较。

其次,我不相信SPJO网站上的数字。 system.stdin.read() says

要读取文件内容,请调用f.read(size),它读取一定数量的数据并将其作为字符串返回。大小是可选的数字参数。当忽略大小或大小为负数时,将读取并返回文件的全部内容; 如果文件的大小是机器内存的两倍,这就是你的问题

在假设最坏的情况包括在他们的测试用例中的情况下,内存使用量至少应该是您使用的文件大小(110 MB) std.stdin.read()

实际上,我不确定,所有的麻烦都值得使用 raw_input() 可能已经足够快了——我相信python会做正确的事情。CPython正常缓冲 stdout 和 stdin (如果重定向到文件,则完全缓冲,或者控制台的行缓冲)并且必须使用命令行选项 -u switch it off .

但是如果你真的想确定,你可以使用 sys.stdin

-u强制stdin、stdout和stderr完全无缓冲。在…上在重要的系统中,也将stdin、stdout和stderr放入二进制模式。请注意 有内部缓冲 在xread中 文件对象迭代器(“for line-in 系统标准“

这意味着您的程序可能如下所示:

import sys
num, k = map(int,raw_input().split())
ans = 0    
for line in sys.stdin:
    if int(line)%k == 0:
        ans += 1
print(ans)

这有一个很大的优势,即该变体仅使用大约7MB的内存。

另一个教训是,你不应该使用 sys.stdin.readline()

                   CPython        CPython -u         PyPy         PyPy -u
original        28sec/221MB      25sec/221MB       3sec/278MB    3sec/278MB
raw_input()     29sec/7MB        110sec/7MB        7sec/75MB    100sec/63MB
readline()     38sec/7MB        130sec/7MB        5sec/75MB    100sec/63MB
readlines()    20sec/560MB      20sec/560MB       4sec/1.4GB    4sec/1.4G
file-iterator    17sec/7MB       17sec/7MB         4sec/68MB    100sec/62MB

有一些收获:

原始输入() sys.stdin.read_line() 具有相同的性能
原始输入() 是缓冲的,但该缓冲区似乎与文件对象迭代器的缓冲区略有不同,后者的性能优于至少对于此文件。
的内存开销 sys.stdin.readlines() 似乎很高,至少只要队伍很短。
文件对象迭代器在CPython和PyPy中有不同的行为,如果选项为 -u 用于:PyPy 同时关闭文件对象迭代器的缓冲(可能是错误?)。