Question

我有一个简单的循环可以在一些模拟中绘制一些累加值，这需要很长时间才能计算出来。我将其简化为以下MCVE：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()

counter = 0
yvalues = [0]
for k in range(1000):
    for l in range(10_000_000):
        counter += 1 + np.tanh(counter)
        print(k, l, counter)
    yvalues.append(counter)
    plt.plot(yvalues)
    plt.draw()
    fig.canvas.flush_events()

问题是，过一会儿，即使程序仍在运行并且运行良好，我仍然收到“ PyCharm没有响应”的通知。

仅此消息还不是问题，但是如果您只是忽略此警告并且不按 Wait ，程序将停止并显示

Process finished with exit code 137 (interrupted by signal 9: SIGKILL)

（当您按下强制退出时，也会发生同样的事情。）

有人知道为什么会发生这种情况以及如何避免吗？

无法运行此仿真，例如一夜之间，因为您经常需要注意此警告，然后再次按等待。

Answer 1

正如@CarlosGonzalez的评论中的链接问题所述，SIGKILL可能是由Linux OOM（内存不足）杀手发送的。如果是这种情况，那么唯一的解决方案是使用更少的内存，或获得更多的内存。

鉴于运行MCVE需要多长时间，我无法确定正在使用大量内存的确切源，但是我可以猜测它与counter或yvalues无关- -counter的数量级最多为10 ^ 10（1000 * 10_000_000），适合64位整数罚款（8个字节的内存），而yvalues可以容纳1000个整数那些也很好（如果我们假设它是一个数组，并且使用counter是64位int，则使用8kB）。

在以下代码中，我注意到fig.canvas.flush_events()与其余代码相比运行得很慢（尝试将其注释掉并比较速度，并注意Ctrl-C / SIGINT如何无法停止它）：

import matplotlib.pyplot as plt

fig = plt.figure()
counter = 0
yvalues = [0]
for k in range(1000):
    counter += 1e7
    yvalues.append(counter)
    plt.plot(yvalues)
    plt.draw()
    print(k)
    fig.canvas.flush_events()  # Potentially problematic?

也许您可能需要重新考虑刷新画布事件的需要。

使用PyCharm避免SIGKILL

1 个答案: