对python程序内存泄漏调试的记录
问题描述
调试python程序时，用下面这段代码，可以获得进程占用系统内存值。程序跑一段时间后，就能画出进程对内存的占用情况。
def memory_usage_psutil(): # return the memory usage in MB import psutil,os process = psutil.Process(os.getpid()) mem = process.memory_info()[0] / float(2 ** 20) return mem
发现进程的内存占用一直再上涨，而这从逻辑上来说是不正常的，所以想到程序可能发生了Memory Leak。
python程序的Mem Leak
python程序不可能像C/C++一样出现malloc了的内存没有free这样的Memory Leak。但也会遇到“逻辑上没free”的情况，如下代码所示。
def foo(a=[]): a.append(time.time()) return a
参数a这样可迭代的对象，稍不注意，它就能增长的很快。说白了，python的Memory Leak，就是“进程占用的内存莫名其妙一直再升高”。进程占用内存一直升高，与逻辑预期不一致，就可能发生了Memory Leak。
以下面程序为例说明Memory Leak调试的过程：
def memory_usage_psutil(): # return the memory usage in MB import psutil,os process = psutil.Process(os.getpid()) mem = process.memory_info()[0] / float(2 ** 20) return mem def get_current_obj(a=[]): a.append([0]*1000) return a def main(): obj = [] for i in range(10000): obj = get_current_obj(obj) if(i%100==0): print(memory_usage_psutil()) if __name__=='__main__': main()
调试过程
用pmap -x [pid]查看进程占用的堆内存大小
首先想到，会不会是上面用的memory_usage_psutil函数统计错误呢。
先运行程序，再用pmap查看，发现进程内存占用确实很高。多次执行该命令，也可以发现内存一直升高。
强制执行GC（gc.collect()）
在需要执行GC的地方加上gc.collect()
def main(): obj = [] for i in range(10000): obj = get_current_obj(obj) import gc;gc.collect() if(i%100==0): print(memory_usage_psutil())
可以看到，强制GC后，程序执行变慢，但内存依然不断升高。
使用memory_profiler查看
安装memory_profiler
pip install -U memory_profiler
用@profile修饰需要查看内存的函数
@profile def main(): obj = [] for i in range(10000): obj = get_current_obj(obj) if(i%100==0): print(memory_usage_psutil())
用如下命令运行程序
python -m memory_profiler main.py
可以看到程序执行完成后，输出结果如下
Line # Mem usage Increment Line Contents ================================================ 12 28.570 MiB 0.000 MiB @profile 13 def main(): 14 28.570 MiB 0.000 MiB obj = [] 15 106.203 MiB 77.633 MiB for i in range(10000): 16 106.203 MiB 0.000 MiB obj = get_current_obj(obj) 17 106.203 MiB 0.000 MiB if(i%100==0): 18 105.445 MiB -0.758 MiB print(memory_usage_psutil())
这样就能看到导致内存上涨最快的那几行代码。
用guppy查看python对象占用的堆内存大小
将main修改如下，即可查看python对堆内存的占用量。
def main(): obj = [] for i in range(10000): obj = get_current_obj(obj) if(i%100==0): print(memory_usage_psutil()) from guppy import hpy;hxx = hpy();heap = hxx.heap() print(heap)
下面就是输出结果，python程序中各个对象对内存的占用从大到小排列。
Index Count % Size % Cumulative % Kind (class / dict of class) 0 10124 22 81944416 95 81944416 95 list 1 16056 34 1325464 2 83269880 96 str 2 9147 20 745616 1 84015496 97 tuple 3 102 0 366480 0 84381976 98 dict of module 4 287 1 313448 0 84695424 98 dict of type 5 2426 5 310528 0 85005952 98 types.CodeType 6 2364 5 283680 0 85289632 99 function 7 287 1 256960 0 85546592 99 type 8 169 0 192088 0 85738680 99 dict (no owner) 9 123 0 142728 0 85881408 99 dict of class
可以从结果中看到，95%的进程内存，都被一个list占用。
还可以通过下面这种方式，查看这个占内存最大的list中的数据类型。
from guppy import hpy;hxx = hpy();byrcs = hxx.heap().byrcs; byrcs[0].byid
关于guppy的详细用法，可以看这里（http://smira.ru/wp-content/uploads/2011/08/heapy.html）。
以上这篇对python程序内存泄漏调试的记录就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要给大家介绍了关于pyinstaller打包程序后闪退问题的解决方法,闪退原因可能有很多这里记录下我遇到的问题,文中通过图文介绍的非常详细,需要的朋友可以参考下2023-11-11
python类参数定义及数据扩展方式unsqueeze/expand
本文主要介绍了python类参数定义及数据扩展方式unsqueeze/expand，文章通过围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-08-08
这篇文章主要为大家详细介绍了python实现京东秒杀功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-07-07
基本上，在面向对象编程语言中，使用setter和getter方法的主要目的是为了确保数据的封装，这篇文章主要介绍了Python的getter和setter的方法使用详解,需要的朋友可以参考下2022-12-12
这篇文章主要介绍了python回调函数中使用多线程的方法,需要的朋友可以参考下2017-12-12
这篇文章主要介绍了python中import cv2遇到的错误及安装方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-09-09
本文主要介绍了Python程序打包exe报错的几种解决方法,文中通过几种解决方法的介绍非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下2023-08-08
Python的Flask框架及Nginx实现静态文件访问限制功能
这篇文章主要介绍了Python的Flask框架及Nginx实现静态文件访问限制功能,Nginx方面利用到了自带的XSendfile,需要的朋友可以参考下2016-06-06
今天小编就为大家分享一篇关于Python使用paramiko操作linux的方法讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2019-02-02
这篇文章主要介绍了python json jsonl 的用法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2024-08-08
最新评论