Python Eficaz

perfil de desempenho são mais precisas.
• O método runcall, presente no objeto Profile, oferece tudo o que precisamos
para traçar o perfil, em prefeito isolamento, das chamadas a uma árvore de
funções.
• O objeto Stats permite selecionar e imprimir o subconjunto apropriado de
informações de perfil de desempenho para que possamos entender o
desempenho do programa.
Item 59: Use tracemalloc para entender o uso e os
vazamentos de memória
O gerenciamento de memória na implementação default do Python, o
interpretador CPython, usa contagem de referência. Isso garante que, no
momento em que todas as referências ao objeto deixarem de existir (expirarem),
o objeto referenciado seja também apagado. O CPython também tem um
detector nativo de ciclos para garantir que objetos que se autorreferenciem sejam
recolhidos como lixo periodicamente.
Em tese, isso significa que a maioria dos programadores em Python não precisa
se preocupar com alocação e desalocação manual em seus programas. A
linguagem cuida disso automaticamente, por meio do interpretador CPython. Na
prática, contudo, alguns programas esgotam sua memória por conta de
referências travadas. Descobrir onde seus programas em Python estão
consumindo ou mesmo vazando memória às vezes é um pesadelo.
A primeira técnica para se depurar o uso de memória é pedir ao módulo nativo
gc uma lista de todos os objetos reconhecidos pelo coletor de lixo (garbage
collector). Embora seja uma ferramenta um tanto brusca, esse recurso permite ter
uma noção rápida de como a memória de seu programa está sendo usada.
No exemplo a seguir, o programa desperdiça memória ao manter as referências
ativas todo o tempo. Uma contagem dos objetos criados durante a execução é
mostrada na tela, bem como uma pequena amostra dos objetos.
# using_gc.py
import gc
found_objects = gc.get_objects()
print('%d objects before' % len(found_objects))
www.full-ebook.com