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()。
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。
上一篇: python re模块的高级用法详解