脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python流程控制工具

Python流程控制常用工具详解

 更新时间：2020年02月24日 14:20:44   投稿：yaominghui  
这篇文章主要介绍了Python流程控制常用工具详解,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,需要的朋友可以参考下

在我们的工作中，我们使用ddagent ver。5作为收集工具，收集和报告托管服务器的性能指标，并对ddagent进行一定程度的定制。经过多次功能迭代，发现一批在线运行时间长的托管服务器占用了太多内存。分析问题机器上进程树中每个节点的占用情况，可以看出ddagent集合进程的内存占用仍然很高。

我们将学习最基本的流程控制工具，比如

if 条件判断for 循环while 循环

作为保证业务系统稳定运行的监控组件，存在内存泄漏，这自然是非常严重的，所以我们开始了我们的“故障排除之旅”。

if-elif-else 判断

分析

有很多工具可以分析和导出Python程序的内存状态。在这里，我们使用pyrasite，它可以附加到正在运行的Python程序，生成内存快照，并检查当前哪些对象类型占用了多少内存，并从大到小排序。

使用命令非常简单： pyrasite-memory-viewer <PID>，同时会生成一份快照文件： /tmp/pyrasite-<PID>-objects.json。

由于无法提供真实的生产数据，下面提到的所有数据都来自问题版本在测试环境中运行12小时后的采样。

在pyrasite提供的Cui视图中，我们可以清楚地看到字典类型的对象实例占用的内存最多，达到3.4mb，有6621个实例：

while 循环

While循环也是一种常见的循环方式。这种循环通常以循环体类或条件方式结束。它不可能无限期地进行下去。

对于泄漏情况，我们有以下事实和猜测：

一个或多个位置持续创建空字典对象，并且无法回收它们，从而导致内存泄漏内存泄漏量随时间而增加。在索引收集业务中，泄漏很可能是在每个收集过程中引起的，并在间隔期之后重复触发我们看不到当前依赖的ddagent版本存在尚未关闭的相关问题，这可能是在我们的定制过程中引入的错误

[
 [
 [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"],
 [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"],
 [".../modules/monitor/bot/schedule.py",51,"run","task.run()"],
 [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"],
 [".../modules/monitor/bot/task.py",18,"run","self.check()"],
 [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"],
 [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"],
 [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"],
 [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"]
 ],
 [
 [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"],
 [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"],
 [".../modules/monitor/bot/schedule.py",51,"run","task.run()"],
 [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"],
 [".../modules/monitor/bot/task.py",18,"run","self.check()"],
 [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"],
 [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"],
 [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"],
 [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"]
 ],
 [
 [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"],
 [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"],
 [".../modules/monitor/bot/schedule.py",51,"run","task.run()"],
 [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"],
 [".../modules/monitor/bot/task.py",18,"run","self.check()"],
 [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"],
 [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"],
 [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"],
 [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"]
 ],
...

重播

我们不提“做好设计审查和规范审查”、“加强试验阶段质量检验工作”等“老生常谈”，也值得我们反思。

要彻底防止和控制内存泄漏几乎是不可能的，像rust这样的安全编程语言也不能保证程序不会泄漏内存。

许多引发内存不安全的行为，如数组访问越界、访问释放后的内存等，都可以通过制定更严格的编程模型（如rust提出的所有权+生命周期规则）甚至数据竞争问题来避免。

然而，触发内存泄漏的行为，如竞争条件，需要开发人员将开发组件和业务规则结合起来。设想一个需要手动触发刷新的数据队列。结果，我们在推送数据时忘记调用它。这种内存泄漏无法通过任何常规检查规则来识别。

关键字函数是为了更形象地说明传入参数的位置和具体用法。如果一个函数有四个或五个参数，而且一次传入的参数太多，那么很难让人眼花缭乱。如果key=value用于传入。

总结

通过本节的学习，我们了解了通过if else在不同条件下控制代码流和执行不同代码。for/while和如何定义函数有两种不同的循环方法，包括函数的返回值和参数传递方法、position参数传递和向函数传递参数时的key=value参数传递。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

  • 使用python求解迷宫问题的三种实现方法

    使用python求解迷宫问题的三种实现方法

    关于迷宫问题,常见会问能不能到达某点,以及打印到达的最短路径,下面这篇文章主要给大家介绍了关于如何使用python求解迷宫问题的三种实现方法,需要的朋友可以参考下
    2022-03-03
  • Python中的Decorator装饰器的使用示例

    Python中的Decorator装饰器的使用示例

    装饰器(decorator)在Python框架中扮演着重要角色，是Python中实现切面编程(AOP)的重要手段，本文将通过简单的示例和大家介绍下具体的使用方法，希望对大家有所帮助
    2022-12-12
  • python多线程http压力测试脚本

    python多线程http压力测试脚本

    这篇文章主要为大家详细介绍了python多线程http压力测试脚本，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2019-06-06
  • 解析numpy中的iscomplex方法及实际应用

    解析numpy中的iscomplex方法及实际应用

    NumPy 的 iscomplex 方法为检查数组中的元素是否为复数提供了一种高效且易于使用的接口,本文介绍了 iscomplex 方法的基本概念、使用方法以及它在解决实际问题中的应用,需要的朋友可以参考下
    2024-06-06
  • django 自定义过滤器(filter)处理较为复杂的变量方法

    django 自定义过滤器(filter)处理较为复杂的变量方法

    今天小编就为大家分享一篇django 自定义过滤器(filter)处理较为复杂的变量方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • python flask框架快速入门

    python flask框架快速入门

    Flask 本身相当于一个内核，其他几乎所有的功能都要用到扩展，都需要用第三方的扩展来实现，本文给大家分享如何快速入门python flask框架，感兴趣的朋友一起看看吧
    2021-05-05
  • Python基于Twilio及腾讯云实现国际国内短信接口

    Python基于Twilio及腾讯云实现国际国内短信接口

    这篇文章主要介绍了Python基于Twilio及腾讯云实现国际国内短信接口,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,需要的朋友可以参考下
    2020-06-06
  • 将Pytorch模型从CPU转换成GPU的实现方法

    将Pytorch模型从CPU转换成GPU的实现方法

    今天小编就为大家分享一篇将Pytorch模型从CPU转换成GPU的实现方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08
  • Python Flask RESTful使用demo演示

    Python Flask RESTful使用demo演示

    这篇文章主要为大家介绍了Python Flask RESTful使用demo演示，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2023-03-03
  • Django分组聚合查询实例分享

    Django分组聚合查询实例分享

    在本篇文章里小编给大家分享的是关于Django分组聚合查询实例内容，需要的朋友们可以参考下。
    2020-04-04

最新评论