标签：

Python 打算删除大量涉及像C和C++语言那样的复杂内存管理。当对象离开范围，就会被自动垃圾收集器回收。然而，对于由Python 开发的大型且长期运行的系统来说，内存管理是不容小觑的事情。

在这篇博客中，我将会分享关于减少 Python 内存消耗的方法和分析导致内存消耗/膨胀根源的问题。这些都是从实际操作中总结的经验，我们正在构建Datos IO 的RecoverX 分布式备份和恢复平台，这里主要要介绍的是在Python(在C++ ，Java 和bash 中也有一些类似的组件) 中的开发。

Python 垃圾收集

Python解释器对正在使用的对象保持计数。当对象不再被引用指向的时候，垃圾收集器可以释放该对象，获取分配的内存。例如，如果你使用常规的Python(CPython, 不是JPython)时，Python的垃圾收集器将调用free()/delete() 。

实用工具

资源(resource)

resource’ 模块用来查看项目当前得的固有的)内存消耗

[固有内存是项目实际使用的RAM]

>>> import resource>>> resource.getrusage(resource.RUSAGE_SELF).ru_maxrss4332

对象(objgraph)

objgraph’ 是一个实用模块,可以展示当前内存中存在的对象

来看看objgraph的简单用法：

importobjgraphimportrandomimportinspect

classFoo(object):

def__init__(self):

self.val =None

def__str__(self):

return“foo – val: {0}”.format(self.val)

deff():

l = []

foriinrange(3):

foo = Foo()

#print “id of foo: {0}”.format(id(foo))

#print “foo is: {0}”.format(foo)

l.append(foo)

returnl

defmain():

d = {}

l = f()

d[‘k’] = l

print“list l has {0} objectsoftype Foo()”.format(len(l))

objgraph.show_most_common_types()

objgraph.show_backrefs(random.choice(objgraph.by_type(‘Foo’)),

filename=“foo_refs.png”)

objgraph.show_refs(d, filename=‘sample-graph.png’)

if__name__ == “__main__”:

main()

pythontest1.py

list l has 10000 objectsoftype Foo()

dict 10423

Foo 10000 ————> Guiltyas charged!

tuple 3349

wrapper_descriptor 945

function 860

builtin_function_or_method 616

method_descriptor 338

weakref 199

member_descriptor 161

getset_descriptor 107

注意，我们在内存中还持有10,423个‘dict’的实例对象。

可视化objgraph依赖项

Objgraph有个不错的功能，可以显示Foo()对象在内存中存在的因素，即，显示谁持有对它的引用(在这个例子中是list ‘l’)。

在RedHat/Centos上, 你可以使用sudo yum install yum install graphviz*安装graphviz

如需查看对象字典，d，请参考:

objgraph.show_refs(d, filename=’sample-graph.png’)

从内存使用角度来看，我们惊奇地发现——为什么对象没有释放?这是因为有人在持有对它的引用。

这个小片段展示了objgraph怎样提供相关信息:

objgraph.show_backrefs(random.choice(objgraph.by_type(‘Foo’)),

filename=“foo_refs.png”)

在这一案例中, 我们查看了Foo类型的随机对象。我们知道该特定对象被保存在内存中，因其引用链接在指定范围内。

有时，以上技巧能帮助我们理解，为什么当我们不再使用某对象时，Python垃圾回收器没有将垃圾回收。

难处理的是，有时候我们会发现Foo()占用了很多内存的类。这时我们可以用heapy()来回答以上问题。

Heapy

heapy 是一个实用的，用于调试内存消耗/泄漏的工具。通常，我将objgraph和heapy搭配使用：用heapy 查看分配对象随时间增长的差异，heapy能够显示对象持有的最大内存等；用Objgraph找backref链(例如：前4节)，尝试获取它们不能被释放的原因。

Heapy的典型用法是在不同地方的代码中调用一个函数，试图为内存使用量提供大量收集线索，找到可能会引发的问题：

fromguppyimport hpy

defdump_heap(h, i):

“””

@param h: Theheap (fromhp = hpy(), h = hp.heap())

@param i: Identifierstr

“””

print“Dumpingstatsat: {0}”.format(i)

print‘Memoryusage: {0} (MB)’.format(resource.getrusage(resource.RUSAGE_SELF).ru_maxrss/1024)

print“Mostcommontypes:”

objgraph.show_most_common_types()

print“heapis:”

print“{0}”.format(h)

by_refs = h.byrcs

print“byreferences: {0}”.format(by_refs)

print“Morestatsfor topelement..”

print“Byclodo (classordictowner): {0}”.format(by_refs[0].byclodo)

print“Bysize: {0}”.format(by_refs[0].bysize)

print“Byid: {0}”.format(by_refs[0].byid)

减少内存消耗小技巧

在这一部分，我会介绍一些自己发现的可减少内存消耗的小窍门.

Slots

当你有许多对象时候可以使用Slots。Slotting传达给Python解释器：你的对象不需要动态的字典(从上面的例子2.2中，我们看到每个Foo()对象内部包含一个字典)

用slots定义你的对象，让python解释器知道你的类属性/成员是固定的.。这样可以有效地节约内存!

参考以下代码：

importresourceclassFoo(object):

#__slots__ = (‘val1’, ‘val2’, ‘val3’, ‘val4’, ‘val5’, ‘val6’)

def__init__(self, val):

self.val1 = val+1

self.val2 = val+2

self.val3 = val+3

self.val4 = val+4

self.val5 = val+5

self.val6 = val+6

deff(count):

l = []

foriinrange(count):

foo = Foo(i)

l.append(foo)

returnl

defmain():

count = 10000

l = f(count)

mem = resource.getrusage(resource.RUSAGE_SELF).ru_maxrss

print“Memoryusageis: {0} KB”.format(mem)

print“Sizeperfooobj: {0} KB”.format(float(mem)/count)

if__name__ == “__main__”:

main()

[vagrant@datosdevtemp]$ pythontest2.py

Memoryusageis: 16672 KB

Sizeperfooobj: 1.6672 KB

Nowun-commentthisline: #__slots__ = (‘val1’, ‘val2’, ‘val3’, ‘val4’, ‘val5’, ‘val6’)

[vagrant@datosdevtemp]$ pythontest2.py

Memoryusageis: 6576 KB

Sizeperfooobj: 0.6576 KB

在这个例子中，减少了60%的内存消耗！

驻留：谨防驻留字符串！

Python会记录如字符串等不可改变的值(其每个值的大小依赖于实现方法)，这称为驻留。

>>> t = “abcdefghijklmnopqrstuvwxyz”>>> p = “abcdefghijklmnopqrstuvwxyz”>>> id(t)139863272322872

>>> id(p)139863272322872

这是由python解析器完成的，这样做可以节省内存，并加快比较速度。例如，如果两个字符串拥有相同的ID或引用–他们就是全等的。

然而，如果你的程序创建了许多小的字符串，你的内存就会出现膨胀。

生成字符串时使用Format来代替“+”

接下来，在构造字符串时，使用Format来代替“+”构建字符串。

亦即，

st = “{0}_{1}_{2}_{3}”.format(a,b,c,d) # 对内存更好，不创建临时变量stst2 = a + ‘_’ + b + ‘_’ + c + ‘_’ + d # 在每个“+”时创建一个临时str，这些都是驻留在内存中的。

在我们的系统中，当我们将某些字符串构造从“+”变为使用format时，内存会明显被节省。

关于系统级别

上面我们讨论的技巧可以帮助你找出系统内存消耗的问题。但是，随着时间的推移，python进程产生的内存消耗会持续增加。这似乎与以下问题有关:

． 为什么C中内存分配能够在Python内部起作用，这本质上是内存碎片导致的。因为，除非整个内存没有使用过，否则该分配过程不能调用‘free’方法。但需要注意的是，内存的使用不是根据你所创建和使用的对象来进行排列。

． 内存增加也和上面讨论的“Interning” 有关。

以我的经验来看，减少python中内存消耗的比例是可行的。在Datos IO中，我曾经针对指定的内存消耗进程实现过一个工作模块。对于序列化的工作单元，我们运行了一个工作进程。当工作进程完成后, 它会被移除了——这是返回系统全部内存的唯一可以有效方法:)。好的内存管理允许增加分配内存的大小，即允许工作进程长时间运行。

总结

我归纳了一些减少python进程消耗内存的技巧，当我们在代码中寻找内存泄漏时，一种方法是通过使用Heapy找出哪些Obj占用了较多内存，然后通过使用Objgraph找出内存被释放的原因(除非你认为他们本应该被释放)。

总的来说，我觉得在python中寻找内存问题是一种修行。随着时间的积累，对于系统中的内存膨胀和泄漏问题，你能产生一种直觉判断，并能更快地解决它们。愿你在发现问题的过程中找到乐趣！