Python Package

Speicher-Profiling

Speicherverbrauch von mgpy-Laeufen messen und reduzieren (ohne Projekt-Runtime zu untersuchen).

Früher Zugriff: Bis 2026-12-31

Zurück Überblick Voraussetzungen

In mgpy zeigen sich Speicherprobleme oft schleichend: grosse Reports, History-Dateien, Caches oder Build-Artefakte wachsen laenger unbemerkt als reine Laufzeitspitzen.

Kernpunkte

CLI: Unter Windows zeigen die Beispiele den empfohlenen Aufruf via py -3.12 -m <modul> ... (z.B. py -3.12 -m manifestguard ...). Auf Linux/macOS entspricht das in der Regel python3.12 -m ....
Achte auf mgpy-Laeufe mit grossen JSON-Reports, langen Verlaufshistorien und mehrfach geladenen Abhaengigkeiten.
Kurzlebige CLI-Laeufe duerfen keine unnoetigen globalen Caches hinterlassen.
Speicherprofiling ist besonders wichtig, wenn Extended-Checks in CI oder auf kleinen Runnern laufen.

Empfohlener MG-Python-Workflow

Zuerst reproduzierbare Szenarien mit grossen Projekten oder Report-Dateien aufbauen.
Dann Objekte und Dateien identifizieren, die ueber mehrere mgpy-Durchlaeufe unnoetig wachsen.
Nach Speicher-Fixes die gleichen Reports erneut schreiben und auf inhaltliche Gleichheit pruefen.

Schnellstart

py -3.12 -m manifestguard check --extended --report .manifestguard/large-run.json
py -3.12 -m manifestguard baseline --list
py -3.12 -m manifestguard export-metrics --output metrics.json

Voraussetzungen



Installation interpreter	Python 3.12 + pip	Recommended default path for installation and CLI calls.
Project target versions	Python 3.8 to 3.12	These are the project/runtime targets mgpy can analyze.
mgpy runtime	Validated on Python 3.10 to 3.13	The tool runtime itself is covered for this range.
CLI invocation	Windows: py -3.12 -m manifestguard	Linux/macOS usually maps to python3.12 -m manifestguard.
Runtime packages	tomlkit, click, pydantic, packaging, watchdog, PyNaCl, rfc8785	tomli is only added for Python below 3.11.
Offline / wheel install	Optional via pip --no-index or wheel	Useful for air-gapped or approved bundle distribution paths.