因此,我正在用Python 3.4制作游戏。在游戏中,我需要跟踪 map 。它是连接房间的 map ,从(0,0)开始并向各个方向连续,以过滤随机方式生成(仅对下一个位置的正确匹配用于随机列表选择)。
我有几种类型的房间,其中有一个名称和门列表:
RoomType = namedtuple('Room','Type,EntranceLst')
typeA = RoomType("A",["Bottom"])
...
对于当前的 map ,我会保留位置和房间类型的指示:
currentRoomType = typeA
currentRoomPos = (0,0)
navMap = {currentRoomPos: currentRoomType}
我有一个生成9.000.000个房间的循环,以测试内存使用情况。
运行它,我得到大约600和800Mb。
我想知道是否有一种方法可以优化它。
我尝试了而不是做
navMap = {currentRoomPos: currentRoomType}
我会做
navMap = {currentRoomPos: "A"}
但这并没有使用上的真正变化。
现在,我想知道是否可以并且应该保留所有类型的列表,并且对于每种类型都保留其发生位置。但是,我不知道它是否会与python管理其变量的方式有所不同。
这几乎是一个思想实验,但是如果有什么有用的想法,我可能会实现。
最佳答案
您可以使用sys.getsizeof(object)
来获取Python对象的大小。但是,在容器上调用sys.getsizeof
时必须小心:它仅给出容器的大小,而不是内容的大小-有关如何获取包括内容在内的容器总大小的说明,请参见this配方。在这种情况下,我们不必走得太深:我们可以手动将容器的大小和其内容的大小相加。
有问题的类型的大小为:
# room type size
>>> sys.getsizeof(RoomType("A",["Bottom"])) + sys.getsizeof("A") + sys.getsizeof(["Bottom"]) + sys.getsizeof("Bottom")
233
# position size
>>> sys.getsizeof((0,0)) + 2*sys.getsizeof(0)
120
# One character size
>>> sys.getsizeof("A")
38
让我们看一下不同的选项,假设您有N个房间:
position -> room_type
的字典。这涉及将N*(size(position) + size(room_type)) = 353 N
字节保留在内存中。 position -> 1-character string
的字典。这涉及将N*158
字节保留在内存中。 type -> set of positions
的字典。这涉及到保留N*120
字节以及存储字典 key 的微小开销。 在内存使用方面,第三个选择显然更好。但是,通常情况下,您需要权衡CPU内存。值得简要考虑一下您可能要执行的查询的计算复杂性。要找到指定位置的房间类型,必须使用上述三个选择中的每一个:
O(ntypes)
查找,即所花费的时间与您拥有的类型数量成正比。请注意,如果您去查找列表而不是用于存储给定类型的房间的集合,则它将增长为O(nrooms * ntypes)
,这会降低您的性能。 与往常一样,进行优化时,重要的是要考虑优化对内存使用率和CPU时间的影响。两者经常是矛盾的。
或者,如果 map 足够矩形,则可以考虑将类型保留在二维numpy字符数组中。我相信这样会更有效率。 numpy数组中的每个字符都是一个字节,因此内存使用量要少得多,并且CPU时间仍然是从房间位置到键入位置的O(1)查找:
# Generate random 20 x 10 rectangular map
>>> map = np.repeat('a', 100).reshape(20, 10)
>>> map.nbytes
200 # ie. 1 byte per character.
一些其他的小规模优化:
将房间类型编码为int而不是字符串。整数的大小为24个字节,而一个字符的字符串的大小为38。
将位置编码为单个整数,而不是元组。例如:
# Random position
xpos = 5
ypos = 92
# Encode the position as a single int, using high-order bits for x and low-order bits for y
pos = 5*1000 + ypos
# Recover the x and y values of the position.
xpos = pos / 1000
ypos = pos % 1000
请注意,这会破坏可读性,因此只有在您想压缩性能的最后一点时才值得这样做。实际上,您可能希望使用2的幂而不是10的幂作为分隔符(但是10的幂有助于调试和可读性)。请注意,这会使每个位置的字节数从120增加到24。如果您遵循此路线,请考虑使用
__slots__
定义一个Position类以告诉Python如何分配内存,并向该类添加xpos
和ypos
属性。您不想用pos / 1000
和pos % 1000
语句乱丢您的代码。关于python内存使用量字典和变量大数据集,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/30149405/