如何使用 Python 多处理和 memory_profiler 分析多个子进程？

Posted 2023-02-16

技术标签:

【中文标题】如何使用 Python 多处理和 memory_profiler 分析多个子进程？【英文标题】：How to profile multiple subprocesses using Python multiprocessing and memory_profiler? 【发布时间】：2016-11-16 11:11:41 【问题描述】：

我有一个使用 Python multiprocessing 模块生成多个工作人员的实用程序，我希望能够通过出色的 memory_profiler 实用程序跟踪他们的内存使用情况，它可以满足我的所有需求 - 特别是对内存使用情况进行采样随着时间的推移并绘制最终结果（我不关心这个问题的逐行内存分析）。

为了设置这个问题，我创建了一个更简单的脚本版本，它有一个分配内存的工作函数，类似于memory_profiler 库中给出的example。工人如下：

import time

X6 = 10 ** 6
X7 = 10 ** 7

def worker(num, wait, amt=X6):
    """
    A function that allocates memory over time.
    """
    frame = []

    for idx in range(num):
        frame.extend([1] * amt)
        time.sleep(wait)

    del frame

给定 4 个工作人员的顺序工作负载如下：

if __name__ == '__main__':
    worker(5, 5, X6)
    worker(5, 2, X7)
    worker(5, 5, X6)
    worker(5, 2, X7)

运行 mprof 可执行文件来分析我的脚本需要 70 秒，让每个工作人员一个接一个地运行。脚本，运行如下：

$ mprof run python myscript.py

生成以下内存使用图：

让这些工作程序与multiprocessing 并行运行意味着脚本将与最慢的工作程序一样慢（25 秒）。该脚本如下：

import multiprocessing as mp

if __name__ == '__main__':
    pool    = mp.Pool(processes=4)
    tasks   = [
        pool.apply_async(worker, args) for args in
        [(5, 5, X6), (5, 2, X7), (5, 5, X6), (5, 2, X7)]
    ]

    results = [p.get() for p in tasks]

内存分析器确实可以工作，或者至少在使用mprof时没有错误，但结果有点奇怪：

快速浏览一下 Activity Monitor 会发现实际上有 6 个 Python 进程，一个用于mprof，一个用于python myscript.py，然后一个用于每个工作子进程。 mprof 似乎只是在测量 python myscript.py 进程的内存使用情况。

memory_profiler 库是高度可定制的，我非常有信心我应该能够捕获每个进程的内存，并可能使用库本身将它们写到单独的日志文件中。我只是不确定从哪里开始或如何接近这种级别的定制。

编辑

阅读mprof 脚本后，我确实发现了-C 标志，它总结了所有子（分叉）进程的内存使用情况。这导致了一个（大大改进的）图表如下：

但我正在寻找的是每个子进程随时间的内存使用情况，以便我可以在同一个图表上绘制所有工作人员（和主进程）。我的想法是让每个子进程memory_usage 写入不同的日志文件，然后我可以将其可视化。

【问题讨论】：

如果有人感兴趣，这个问题正在 GitHub 上github.com/f***p/memory_profiler/issues/118 与开发人员讨论。 【参考方案1】：

截至今天，内存分析器库中已添加了一项新功能，可以做到这一点。如果你需要这个功能，首先更新memory_profiler如下：

$ pip install -U memory_profiler

这应该安装内存分析器的 v0.44 版本。要检查是否是这种情况，请在运行操作上使用帮助命令：

mprof run --help
Usage: mprof run [options]

Options:
  --version             show program's version number and exit
  -h, --help            show this help message and exit
  --python              Activates extra features when the profiling executable
                        is a Python program (currently: function
                        timestamping.)
  --nopython            Disables extra features when the profiled executable
                        is a Python program (currently: function
                        timestamping.)
  -T INTERVAL, --interval=INTERVAL
                        Sampling period (in seconds), defaults to 0.1
  -C, --include-children
                        Monitors forked processes as well (sum up all process
                        memory)
  -M, --multiprocess    Monitors forked processes creating individual plots
                        for each child

如果您看到-M 标志，那么您就可以开始了！

然后您可以按如下方式运行您的脚本：

$ mprof run -M python myscript.py
$ mprof plot

你应该得到一个看起来像这样的图形：

请注意，如果您也使用--include-children 标志，主进程内存将是所有子进程和主进程的总内存使用量，这也是一个有用的图。

【讨论】：

特别感谢 @f***-pedregosa 帮助实现这一目标！在这种模式下启用时间戳和@profile 装饰器怎么样？有可能吗？我不确定您所说的启用时间戳是什么意思？我认为 @profile 装饰器应该可以做到这一点，它使用相同的参数。不幸的是我无法让它工作。请看github.com/f***p/memory_profiler/issues/148 有没有办法为子进程命名？ child-n 不是真的解释:)