memory_profiler的使用
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
100000
Filename: memory_profiler_test.py
Line # 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+=1
10 print c
11
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