Question

我正在处理来自一系列文件的数据。为了达到这个目的，我建立了一个类来分发数据。我启动了4个将访问同一类并检索数据的过程。问题是，如果我使用类方法（retrieve（））来检索数据，则内存将不断增加。如果我不这样做，即使数据通过getData（）保持刷新，内存也会保持稳定。如何在检索数据时保持稳定的内存使用率？还是通过其他方式实现相同目标？

import pandas as pd
from multiprocessing import Process, RLock
from multiprocessing.managers import BaseManager 

class myclass():
    def __init__(self, path):
        self.path = path
        self.lock = RLock()
        self.getIter()

    def getIter(self):
        self.iter = pd.read_csv(self.path, chunksize=1000)

    def getData(self):
        with self.lock:
            try:
                self.data = next(self.iter)
            except:
                self.getIter()
                self.data = next(self.iter)

    def retrieve(self):
        return self.data

def worker(c):
    while True:
        c.getData()
        # Uncommenting the following line, memory usage goes up
        data = c.retrieve()

#Generate a testing file
with open('tmp.csv', 'w') as f:
    for i in range(1000000):
        f.write('%f\n'%(i*1.))

BaseManager.register('myclass', myclass)
bm = BaseManager()
bm.start()
c = bm.myclass('tmp.csv')

for i in range(4):
    p = Process(target=worker, args=(c,))
    p.start()

Answer 1

我无法找到原因，也无法解决，但是将返回变量的数据类型从pandas.DataFrame更改为str（json字符串）后，问题就解决了。

从代理类检索数据时发生内存泄漏

1 个答案: