Question

我在Heroku上有芹菜任务，它连接到外部API并检索一些数据，存储在数据库中并重复数百次。非常快（在~10次循环之后）Heroku开始警告高内存使用率。有什么想法吗？

tasks.py

@app.task
def retrieve_details():
    for p in PObj.objects.filter(some_condition=True):
        p.fetch()

models.py

def fetch(self):
    v_data = self.service.getV(**dict(
        Number=self.v.number
    ))
    response = self.map_response(v_data)

    for key in ["some_key","some_other_key",]:
        setattr(self.v, key, response.get(key))

    self.v.save()

Heroky记录

2017-01-01 10:26:25.634
132 <45>1 2017-01-01T10:26:25.457411+00:00 heroku run.5891 - - Error R14 (Memory quota exceeded)

Go to the log: https://api.heroku.com/myapps/xxx@heroku.com/addons/logentries

You are receiving this email because your Logentries alarm "Memory quota exceeded"
has been triggered.

In context:
2017-01-01 10:26:25.568 131 <45>1 2017-01-01T10:26:25.457354+00:00 heroku run.5891 - - Process running mem=595M(116.2%)
2017-01-01 10:26:25.634 132 <45>1 2017-01-01T10:26:25.457411+00:00 heroku run.5891 - - Error R14 (Memory quota exceeded)

Answer 1

您基本上将一堆数据加载到内存中的Python字典中。这将导致大量内存开销，尤其是当您从本地数据库中获取大量对象时。

您真的需要将所有这些对象存储在字典中吗？

大多数人为这样的事情做的是：

一次从数据库中检索一个对象。
处理该项目（执行您需要的任何逻辑）。
重复。

这样，您最终只能在任何给定时间将单个对象存储在内存中，从而大大减少内存占用。

如果我是你，我会寻找将逻辑转移到数据库查询中的方法，或者只是单独处理每个项目。

Answer 2

为了扩展真正的rdegges想法，以下是我在使用celery / python时帮助减少内存占用的两个策略：（1）启动子任务，每个处理只有一个对象和/或（ 2）使用发电机。

启动子任务，每个子进程只处理一个对象：

@app.task
def retrieve_details():
    qs = PObj.objects.filter(some_condition=True)
    for p in qs.values_list('id', flat=True):
        do_fetch.delay(p)

@app.task
def do_fetch(n_id):
    p = PObj.objects.get(id=n_id)
    p.fetch()

现在，您可以使用--max-tasks-per-child处理N个PObj（任务）以使内存占用率降低，从而调整芹菜，以便它杀死进程。

使用生成器：您也可以使用生成器尝试此操作，这样您就可以（理论上）在调用fetch后抛弃PObj

def ps_of_interest(chunk=10):
    n = chunk
    start = 0
    while n == chunk:
        some_ps = list(PObj.objects.filter(some_condition=True)[start:start + n])
        n = len(some_ps)
        start += chunk
        for p in some_ps:
            yield p

@app.task
def retrieve_details():
    for p in ps_of_interest():
        p.fetch()

对于我的钱，我会选择＃1。

Heroku上的Django Celery任务导致高内存使用率

2 个答案: