Python ad alte prestazioni, 2a edizione

Capitolo 11. Usare meno RAM

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Domande a cui sarai in grado di rispondere dopo questo capitolo

• Perché dovrei usare meno RAM?

• Perché numpy e array sono migliori per memorizzare molti numeri?

• Come si fa a memorizzare in modo efficiente una grande quantità di testo nella RAM?

• Come ho potuto contare (approssimativamente!) fino a ${10}^{76}$ utilizzando solo 1 byte?

• Cosa sono i filtri Bloom e perché potrebbero servirmi?

Raramente pensiamo alla quantità di RAM che stiamo utilizzando fino a quando non la esauriamo. Se la esaurisci durante il ridimensionamento del tuo codice, può diventare un blocco improvviso. Riuscire a utilizzare una quantità maggiore di RAM in una macchina significa avere meno macchine da gestire e ti permette di pianificare la capacità per progetti più grandi. Conoscere i motivi per cui la RAM viene consumata e considerare modi più efficienti per utilizzare questa risorsa scarsa ti aiuterà a gestire i problemi di scalabilità. Utilizzeremo gli strumenti Memory Profiler e IPython Memory Usage per misurare l'effettivo utilizzo della RAM, oltre ad alcuni strumenti che introspettano gli oggetti per cercare di indovinare quanta RAM stanno utilizzando.

Un'altra strada per risparmiare RAM è quella di utilizzare contenitori che sfruttano le caratteristiche dei dati per la compressione. In questo capitolo vedremo un trie (struttura ...