如何解决为什么Protobuf的内存小于Python中的普通dict + list?
我在嵌套的dict / list中具有大量的原始类型结构。结构非常复杂,并不重要。
如果以python的内置类型(dict
/ list
/ float
/ int
/ str
表示,则需要1.1 GB,但是如果我将其存储在protobuf
中并加载到内存中,则它的大小要小得多。总共约250 MB。
我想知道这怎么可能。与某些外部库相比,python中的内置类型效率低下吗?
编辑:从json文件加载结构。因此对象之间没有内部引用
解决方法
“ int
或float
之类的“简单” python对象比protobuf
使用的C语言对应对象需要更多的内存。
让我们以list
的Python整数为例,而不是整数数组,例如array.array
(即array.array('i',...)
)中的整数。
对array.array
的分析很简单:丢弃array.arrays
对象的一些开销,每个元素仅需要4个字节(C整数的大小)。
对于整数列表,情况完全不同:
- 该列表不保存整数对象本身,而是保存指向对象的指针(
8
附加字节用于64位可执行文件) - 即使是一个很小的非零整数也至少需要
28
个字节(请参阅import sys; sys.getsizeof(1)
返回28):8个字节用于引用计数,8个字节用于保存指向整数函数表的指针,则整数值的大小需要8个字节(Python的整数可以比2 ^ 32大得多),并且至少需要4个字节来保存整数值本身。 - 还有一个overhead for memory management of 4.5 bytes。
这意味着每个Python整数要花费40.5个字节,而可能的4个字节(如果使用long long int
,则为8个字节,即64位整数)要高得多。
与doubles
(即array.array('d',...)
)数组相比,带有Python浮点数的列表的情况类似,每个数组仅需要大约8个字节。但对于清单,我们有:
- 该列表不保存float对象本身,而是保存指向对象的指针({
8
附加字节用于64位可执行文件) - 浮点对象需要
24
个字节(请参阅import sys; sys.getsizeof(1.0)
返回24):8个字节用于引用计数,8个字节用于保存指向浮点函数表的指针,8个字节用于保留double
值本身。 - 因为24是8的倍数,所以内存管理的开销“仅”约为0.5个字节。
对于Python浮点对象,这意味着32.5字节,而对于C-double,则意味着8字节。
protobuf
在内部使用与array.array
相同的数据表示形式,因此需要更少的内存(如您所见,大约少4-5倍)。 numpy.array
是数据类型的另一个示例,该数据类型保存原始C值,因此所需的内存比列表少得多。
如果不需要在字典中进行搜索,则将键值对保存在列表中所需的内存将比在字典中所需的内存少,因为不必维护搜索结构(这意味着一些内存成本)-这也是导致protobuf
-数据的较小内存占用的另一件事。
要回答另一个问题:没有内置模块适用于Python-dict
,没有内置模块array.array
适用于Python-list
,所以我借此机会毫不客气插入我的图书馆的广告:cykhash
。
从cykhash
need less than 25%的Python'S-dict
/ set
内存中进行设置和映射,但是速度差不多。
这很正常,这全都取决于空间与时间的权衡。内存布局取决于特定数据结构的实现方式,而后者又取决于如何使用它。
通用字典通常用哈希表实现。它具有存储键值对的存储桶的固定大小列表。字典中的项目数可以小于,等于或大于存储桶数。如果较小,则会浪费空间。如果更大,字典操作将花费很长时间。哈希表的实现通常从一个小的初始存储桶列表开始,然后在添加新项时对其进行扩展以保持良好的性能。但是,调整大小还需要重新哈希处理,这在计算上非常昂贵,因此每当您执行此操作时,都希望留出一些增长空间。通用字典是时空之间的一个折衷,因为它们不“知道”它们应该包含多少个元素,并且因为没有完美的哈希函数。但是在足够好的情况下,通用哈希表将为您提供接近O(1)的性能。
序列化数据时,情况就不同了。传输中的数据不会更改,您不会使用它进行查找,也不会进行垃圾回收,边界对齐等操作。这意味着您可以简单地将键和值一个接一个地打包以节省空间。只要可以重建值,实际上就不需要元数据和控件结构。不利的一面是,处理打包数据非常慢,因为所有操作都需要O(n)时间。
由于这个原因,您几乎总是想要:
- 在发送数据之前将其从省时的格式转换为省空间的格式
- 接收到数据后,将数据从节省空间的格式转换为节省时间的格式。
如果您使用的是嵌套字典(或列表,在许多方面都相似),则差异将加起来甚至更加明显。如果您事先知道项目数并且数据没有太大变化,则可以通过为其预先分配内存来获得一些改进,例如dict.fromkeys(range(count))
。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。