Question

我正在使用NLTK和Flask构建Web应用程序。它只是一个简单的RESTful应用程序我在heroku上部署了一切顺利。但是，当服务器开始获得更多请求时，我从heroku达到了1.5GB的内存限制。所以，我猜这是因为我每次请求时都会加载nltk.RegexpParser。

这是非常简单的代码。



@app.route('/get_keywords', methods=['POST'])
def get_keywords():
    data_json = json.loads(request.data)
    text = urllib.unquote(data_json["sentence"])
    keywords = KeywordExtraction().extract(text)

    return ','.join(keywords)

这是关键字提取位。


import re
import nltk

nltk.data.path.append('./nltk_data/')

from nltk.corpus import stopwords

class KeywordExtraction:
    def extract(self, text):

        sentences = nltk.sent_tokenize(text)
        sentences = [nltk.word_tokenize(sent) for sent in sentences]
        sentences = [nltk.pos_tag(sent) for sent in sentences]

        grammar = "NP: {}"
        cp = nltk.RegexpParser(grammar)
        tree = cp.parse(sentences[0])

        keywords = [subtree.leaves()[0][0] for subtree in tree.subtrees(filter=lambda t: t.node == 'NP')]
        keywords_without_stopwords = [w for w in keywords if not w in stopwords.words('english')]

        return list(set(keywords_without_stopwords + tags))

我不确定我的代码或Flask或NLTK是否存在问题。我是Python的新手。任何建议都会非常感激。

我通过blitz.io对此进行了测试，仅在250次请求后服务器爆炸并开始抛出R15。

Answer 1

从缓存开始：

# Move these outside of the class declaration or make them class variables

stopwords = set(stopwords.words('english'))
grammar = "NP: {}"
cp = nltk.RegexpParser(grammar)

这也可以加快一点：

from itertools import ifilterfalse

...

keywords_without_stopwords = ifilterfalse(stopwords.__contains__, keywords)

return list(keywords_without_stopwords + set(tags))  # Can you cache `set(tags`)?

我还要看一下Flask-Cache，以便尽可能地记忆和缓存函数和视图。

如何阻止Flask和NLTK的内存泄漏

1 个答案: