Python：内存泄漏调试

Posted 2023-02-25

【中文标题】Python：内存泄漏调试

【英文标题】：Python: Memory leak debugging

【发布时间】：2010-11-23 06:46:42

【问题描述】：

我有一个在 django 中运行的小型多线程脚本，随着时间的推移，它开始使用越来越多的内存。离开它一整天会消耗大约 6GB 的 RAM，然后我开始交换。

在http://www.lshift.net/blog/2008/11/14/tracing-python-memory-leaks 之后，我认为这是最常见的类型（仅使用了 800M 内存）：

(Pdb)  objgraph.show_most_common_types(limit=20)
dict                       43065
tuple                      28274
function                   7335
list                       6157
NavigableString            3479
instance                   2454
cell                       1256
weakref                    974
wrapper_descriptor         836
builtin_function_or_method 766
type                       742
getset_descriptor          562
module                     423
method_descriptor          373
classobj                   256
instancemethod             255
member_descriptor          218
property                   185
Comment                    183
__proxy__                  155

这并没有显示任何奇怪的东西。我现在应该怎么做才能帮助调试内存问题？

更新：尝试一些人们推荐的东西。我一夜之间运行了这个程序，当我开始工作时，使用了 50% * 8G == 4G 的 RAM。

(Pdb) from pympler import muppy
(Pdb) muppy.print_summary()
                                     types |   # objects |   total size
========================================== | =========== | ============
                                   unicode |      210997 |     97.64 MB
                                      list |        1547 |     88.29 MB
                                      dict |       41630 |     13.21 MB
                                       set |          50 |      8.02 MB
                                       str |      109360 |      7.11 MB
                                     tuple |       27898 |      2.29 MB
                                      code |        6907 |      1.16 MB
                                      type |         760 |    653.12 KB
                                   weakref |        1014 |     87.14 KB
                                       int |        3552 |     83.25 KB
                    function (__wrapper__) |         702 |     82.27 KB
                        wrapper_descriptor |         998 |     77.97 KB
                                      cell |        1357 |     74.21 KB
  <class 'pympler.asizeof.asizeof._Claskey |        1113 |     69.56 KB
                       function (__init__) |         574 |     67.27 KB

这不是 4G 的总和，也没有真正给我任何结构化的大数据来修复。 unicode 来自一组“完成”节点，列表看起来就像随机的weakrefs。

我没有使用 guppy，因为它需要 C 扩展，而且我没有 root，所以构建起来会很痛苦。

我使用的所有对象都没有__del__ 方法，并且查看库，它看起来不像 django 和 python-mysqldb 也一样。还有其他想法吗？

【问题讨论】：

“在 Django 中运行”？您的意思是您正在使用 Django Web 服务器进行额外的非 Web 服务后台处理？您是否考虑过将这些非网络服务的内容拆分到一个单独的进程中？

这是一个 cron 作业，它导入 Django settgings.py 并使用许多 Django ORM 功能。因此，它不是由网络服务器生成的，但仍然使用许多功能（这可能是相关的）

【参考方案1】：

见http://opensourcehacker.com/2008/03/07/debugging-django-memory-leak-with-trackrefs-and-guppy/。简短回答：如果您正在运行 django 但不是以基于 Web 请求的格式，则需要手动运行 db.reset_queries() （当然还有 DEBUG=False，正如其他人所提到的）。 Django 在网络请求后自动执行reset_queries()，但以您的格式，这永远不会发生。

【讨论】：

db.reset_queries() 为我解决了一个问题，非常感谢。

【参考方案2】：

settings.py 中的 DEBUG=False 吗？

如果不是这样，Django 会很乐意存储您所做的所有加起来的 SQL 查询。

【讨论】：

哇，我知道在其中写下 django 会有所帮助。是的，我的脚本没有使用我的生产 settings.py。 尴尬。让我们看看它是否解决了内存问题。

就是这样！从大型数据库中选择时，将 DEBUG 设置为 True 确实会占用大量内存。

【参考方案3】：

你试过gc.set_debug()吗？

你需要问自己一些简单的问题：

我是否使用带有__del__ 方法的对象？我绝对、明确地需要它们吗？ 我可以在我的代码中获得引用循环吗？我们不能在摆脱这些物体之前打破这些圈子吗？

看，主要问题是包含__del__方法的对象循环：

import gc

class A(object):
    def __del__(self):
        print 'a deleted'
        if hasattr(self, 'b'):
            delattr(self, 'b')

class B(object):
    def __init__(self, a):
        self.a = a
    def __del__(self):
        print 'b deleted'
        del self.a


def createcycle():
    a = A()
    b = B(a)
    a.b = b
    return a, b

gc.set_debug(gc.DEBUG_LEAK)

a, b = createcycle()

# remove references
del a, b

# prints:
## gc: uncollectable <A 0x...>
## gc: uncollectable <B 0x...>
## gc: uncollectable <dict 0x...>
## gc: uncollectable <dict 0x...>
gc.collect()

# to solve this we break explicitely the cycles:
a, b = createcycle()
del a.b

del a, b

# objects are removed correctly:
## a deleted
## b deleted
gc.collect()

我真的鼓励您标记在您的应用程序中循环使用的对象/概念并关注它们的生命周期：当您不再需要它们时，我们是否有任何引用它的东西？

即使对于没有__del__ 方法的循环，我们也会遇到问题：

import gc

# class without destructor
class A(object): pass

def createcycle():
    # a -> b -> c 
    # ^         |
    # ^<--<--<--|
    a = A()
    b = A()
    a.next = b
    c = A()
    b.next = c
    c.next = a
    return a, b, b

gc.set_debug(gc.DEBUG_LEAK)

a, b, c = createcycle()
# since we have no __del__ methods, gc is able to collect the cycle:

del a, b, c
# no panic message, everything is collectable:
##gc: collectable <A 0x...>
##gc: collectable <A 0x...>
##gc: collectable <dict 0x...>
##gc: collectable <A 0x...>
##gc: collectable <dict 0x...>
##gc: collectable <dict 0x...>
gc.collect()

a, b, c = createcycle()

# but as long as we keep an exterior ref to the cycle...:
seen = dict()
seen[a] = True

# delete the cycle
del a, b, c
# nothing is collected
gc.collect()

如果您必须使用类似“seen”的字典或历史记录，请注意只保留您需要的实际数据，而不是对其进行外部引用。

我现在对set_debug 有点失望，我希望它可以配置为将数据输出到 stderr 以外的其他地方，但希望 that should change soon。

【讨论】：

gc.collect() 将所有内容作为收藏品返回，第二次调用返回 0。这意味着我没有任何循环对吗？

@Paul：不，你仍然可以拥有周期。看看我给出的最后一个例子：在这里，gc.collect() 确实返回 0，并且没有打印任何内容。如果您有没有 del 方法的对象循环，gc 将保持安静。

【参考方案4】：

请参阅this excellent blog post from Ned Batchelder，了解他们如何在 HP 的 Tabblo 中追踪真正的内存泄漏。很经典，值得一读。

【参考方案5】：

我认为您应该使用不同的工具。显然，你得到的统计信息只是关于 GC 对象（即可能参与循环的对象）；最值得注意的是，它缺少字符串。

我推荐使用Pympler；这应该会为您提供更详细的统计数据。

【讨论】：

top 显示我的应用程序使用 7% * 8GB = 560M。 pymler.muppy.print_summary() 显示大约 55M。剩下的在哪里？

【参考方案6】：

您使用任何扩展程序吗？它们是内存泄漏的好地方，不会被python工具跟踪。

【讨论】：

没有扩展，但是其他人在这里磕磕绊绊的好地方。

如果使用 Django ORM，则使用扩展模块 - DB-API 数据库驱动程序。这是 MySQL 数据库吗？当前版本在使用 use_unicode=True 建立连接时已知游标内存泄漏（Django>=1.0 就是这种情况）。

是的，你是对的！我正在使用所有这些。任何已知的解决方案？

尝试使用SVN的代码，漏洞已修复，但尚未发布更新。

【参考方案7】：

试试Guppy。

基本上，您需要更多信息或能够提取一些信息。 Guppy 甚至提供数据的图形表示。