Question

短

我的python程序占用了比预期更多的内存或由内存分析工具返回。我需要一个策略来查找内存泄漏并修复它。

详细

我在64位Linux机器上运行python3脚本。几乎所有代码都捆绑在一个对象中：

obj = MyObject(*myArguments)
result = obj.doSomething()
print(result)

在创建obj期间，程序会读取大小为ca.的文本文件。 100MB。由于我以多种方式保存信息，我希望整个对象占用几个hundret MB内存。

实际上，使用pympler包中的asizeof.asized(obj)来衡量其大小会返回大约123MB。但是，top告诉我，我的程序占用 1GB 内存。

我理解方法中的局部变量会占用更多的RAM。但是，查看我的代码，我发现这些局部变量都不会那么大。我再次使用asizeof.asized仔细检查了这一点。

脚本需要1GB的内存并不是我的主要关注点。但是，我并行执行了一些方法（在12个方面）：

class MyObject()

    def doSomething(arg):
        # do something

    def myParallelMethod(args)
        with sharedmem.MapReduce() as pool:
            result = pool.map(self.doSomething, args)
        return result

这使得总内存使用率变为 8GB ，即使我将所有大对象放在共享内存中：

self.myLargeNumPyArray = sharedmem.copy(self.myLargeNumPyArray)

我向测试程序保证内存真的是共享的。

使用asizeof进行检查，我在每个子流程中获得了

asizeof.asized(self)是1MB（即远小于“原始”对象 - 可能是由于共享内存，不计算加倍）
asizeof.asized(myOneAndOnlyBigLocalVariable)是230MB。

总而言之，我的程序应该占用不超过123MB + 12 * 230MB = 2.8GB＆lt;＆lt; 8GB。那么，为什么程序需要这么多内存？

一个解释可能是当程序并行运行时，我的对象中有一些隐藏的部分（垃圾？）被复制。

有没有人知道找出内存泄漏的策略？我该如何解决？

我已经读过许多关于内存分析的线程，例如： Profiling memory in python 3，Is there any working memory profiler for Python3，Which Python memory profiler is recommended?或How do I profile memory usage in Python?，但所有推荐的工具都没有解释内存使用情况。

更新

我被要求提供代码的最小示例。下面的代码显示了并行部分中与内存消耗相同的问题。我已经找到了我的代码的非并行部分的问题，那就是我有一个数据类型为object的大型numpy数组作为对象变量。由于此数据类型，数组无法放入共享内存，asized仅返回浅的大小。感谢@ user2357112，帮助我解决这个问题！

因此，我想集中讨论并行部分中的问题：在方法queue（下面标有注释）中将值插入singleSourceShortestPaths会将内存消耗从大约1.5GB更改为 10GB 即可。对于如何解释这种行为有什么想法吗？

import numpy as np
from heapdict import heapdict
from pympler import asizeof
import sharedmem

class RoadNetwork():

    strType = "|S10"

    def __init__(self):

        vertexNo = 1000000
        self.edges = np.zeros(1500000, dtype = {"names":["ID", "from_to", "from_to_original", "cost", "inspection", "spot"], 
                                                   'formats':[self.strType, '2int', '2'+self.strType, "double", "3bool", "2int", "2int"]})
        self.edges["ID"] = np.arange(self.edges.size)
        self.edges["from_to_original"][:vertexNo, 0] = np.arange(vertexNo)
        self.edges["from_to_original"][vertexNo:, 0] = np.random.randint(0, vertexNo, self.edges.size-vertexNo)
        self.edges["from_to_original"][:,1] = np.random.randint(0, vertexNo, self.edges.size)

        vertexIDs = np.unique(self.edges["from_to_original"])
        self.vertices = np.zeros(vertexIDs.size, {"names":["ID", "type", "lakeID"], 
                                                  'formats':[self.strType, 'int', self.strType]})

    def singleSourceShortestPaths(self, sourceIndex):

        vertexData = np.zeros(self.vertices.size, dtype={"names":["predecessor", "edge", "cost"], 
                                         'formats':['int', "2int", "double"]})

        queue = np.zeros((self.vertices.size, 2), dtype=np.double)

        #Crucual line!! Commetning this decreases memory usage by 7GB in the parallel part
        queue[:,0] = np.arange(self.vertices.size)

        queue = heapdict(queue)

        print("self in singleSourceShortestPaths", asizeof.asized(self))
        print("queue in singleSourceShortestPaths", asizeof.asized(queue))
        print("vertexData in singleSourceShortestPaths", asizeof.asized(vertexData))

        # do stuff (in my real program Dijkstra's algorithm would follow)
        # I inserted this lines as an ugly version for 'wait()' to
        # give me enough time to measure the memory consumption in 'top'
        for i in range(10000000000):
            pass

        return vertexData

    def determineFlowInformation(self):
        print("self in determineFlowInformation", asizeof.asized(self))
        f = lambda i: self.singleSourceShortestPaths(i)
        self.parmap(f, range(30))

    def parmap(self, f, argList):
        """
        Executes f(arg) for arg in argList in parallel
        returns a list of the results in the same order as the 
        arguments, invalid results (None) are ignored
        """
        self.__make_np_arrays_sharable()
        with sharedmem.MapReduce() as pool:
            results, to_do_list = zip(*pool.map(f, argList))
        return results

    def __make_np_arrays_sharable(self):
        """
        Replaces all numpy array object variables, 
        which should have the same  
        behaviour / properties as the numpy array
        """
        varDict = self.__dict__
        for key, var in varDict.items():
            if type(var) is np.ndarray:
                varDict[key] = sharedmem.copy(var)

if __name__ == '__main__':
    network = RoadNetwork()

    print(asizeof.asized(network, detail=1))
    for key, var in network.__dict__.items():
        print(key, asizeof.asized(var))

    network.determineFlowInformation()

Python3：程序占用的内存比预期的多得多

短

详细

更新

0 个答案: