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 Regelpython3.12 -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