Day 23 - 重覆呼叫shioaji.Shioaji()产生的记忆体问题

因为看到有人反应，重覆登出登入，会造成记忆体使用量增加，这实在是让人太好奇了，所以就想来实测一下。但因为反应问题的人也没有提供程序内容，所以只是自己猜可能的程序内容

测试程序及结果

测试程序范例：

import os, psutil, gc, time
import shioaji as sj
from dotenv import load_dotenv

load_dotenv('D:\\python\\shioaji\\.env') #读取.env中的环境变数

process = psutil.Process(os.getpid())
print(f'mem usage as start: {process.memory_info()[0]/float(2 ** 20)}kb')

for i in range(5):
    api = sj.Shioaji(simulation=True)
    print(f'({i})mem usage at api initial: {process.memory_info()[0]/float(2 ** 20)}kb')
    api.login(
        person_id='PAPIUSER01', 
        passwd='2222'
    )
    print(f'({i})mem usage at api.login: {process.memory_info()[0]/float(2 ** 20)}kb')
    api.logout()
    time.sleep(10) #登出後，等待10秒再进行登入，防止出错

del api
gc.collect()
print(f'mem usage after del api: {process.memory_info()[0]/float(2 ** 20)}kb')

上面用for in的方式重覆进行5次初始化、登入及登出动作，来测试是否有产生RAM使用量增加的情况，在测试时发现若登入的环境是测试环境，虽然RAM使用量有增加，但其实不明显。而上面这个范例，是用测试环境及帐号进行测试，若是正式环境，只需传入自己的帐号密码，并且在初始化时，不设定simulation=True即可。
测试结果如下(单位：KB)：

由测试结果可以看到，的确这样的写法是会增加许多RAM的使用量，不过在Linux环境中，增加的量不像在Windows下那样夸张。而测试环境的部份，竟然差异不大，这可能要请开发团队看才能知道为何有这差异。

问题原因&解决方式

其实RAM使用量增加主要是因为重覆执行sj.Shioaji()进行初始化动作所造成，虽然执行login()後，RAM使用量也会增加，但并没有像执行sj.Shioaji()时增加那麽多。解决方式可分为下列2种：
1.sj.Shioaji()移至回圈或是function外层，避免重覆执行
2.在login时，传入fetch_contract=False，即不执行fetch_all_contract动作，预先抓所有的contract
我个人比较便好1，因为只需要将原本的程序做一点小调整即可。
第2种方式虽然也可以，但是Contract物件经常会被使用到，若指定fetch_contract=False，则无法透过api取得Contract内容，也就要考虑用object serialization先将Contract物件储存起来，要用的时候再做读取的动作。