abstract：Python 打算刪除大量涉及像C和C++語言那樣的復(fù)雜內(nèi)存管理。當(dāng)對象離開范圍，就會被自動垃圾收集器回收。然而，對于由 Python 開發(fā)的大型且長期運(yùn)行的系統(tǒng)來說，內(nèi)存管理是不容小覷的事情。在這篇博客中，我將會分享關(guān)于減少 Python 內(nèi)存消耗的方法和分析導(dǎo)致內(nèi)存消耗/膨脹根源的問題。這些都是從實(shí)際操作中總結(jié)的經(jīng)驗(yàn)，我們正在構(gòu)建 Datos IO 的 RecoverX 分布式備份和恢復(fù)平臺，

Python 打算刪除大量涉及像C和C++語言那樣的復(fù)雜內(nèi)存管理。當(dāng)對象離開范圍，就會被自動垃圾收集器回收。然而，對于由 Python 開發(fā)的大型且長期運(yùn)行的系統(tǒng)來說，內(nèi)存管理是不容小覷的事情。

在這篇博客中，我將會分享關(guān)于減少 Python 內(nèi)存消耗的方法和分析導(dǎo)致內(nèi)存消耗/膨脹根源的問題。這些都是從實(shí)際操作中總結(jié)的經(jīng)驗(yàn)，我們正在構(gòu)建 Datos IO 的 RecoverX 分布式備份和恢復(fù)平臺，這里主要要介紹的是在 Python(在 C++ ，Java 和 bash 中也有一些類似的組件) 中的開發(fā)。

Python 垃圾收集

Python解釋器對正在使用的對象保持計(jì)數(shù)。當(dāng)對象不再被引用指向的時(shí)候，垃圾收集器可以釋放該對象，獲取分配的內(nèi)存。例如，如果你使用常規(guī)的Python(CPython, 不是JPython)時(shí)，Python的垃圾收集器將調(diào)用free()/DELETE() 。

實(shí)用工具

一、資源(resource)

‘resource’ 模塊用來查看項(xiàng)目當(dāng)前得的固有的)內(nèi)存消耗

[固有內(nèi)存是項(xiàng)目實(shí)際使用的RAM]

二、對象(objgraph)

‘objgraph’ 是一個(gè)實(shí)用模塊,可以展示當(dāng)前內(nèi)存中存在的對象

[objgraph 文檔和實(shí)例地址: https://mg.pov.lt/objgraph/]

來看看objgraph的簡單用法:

注意，我們在內(nèi)存中還持有10,423個(gè)‘dict’的實(shí)例對象。

三、可視化objgraph依賴項(xiàng)

Objgraph有個(gè)不錯的功能，可以顯示Foo()對象在內(nèi)存中存在的因素，即，顯示誰持有對它的引用 (在這個(gè)例子中是list ‘l’)。

在RedHat/Centos上, 你可以使用sudo yum install yum install graphviz*安裝graphviz

如需查看對象字典，d，請參考:

objgraph.show_refs(d, filename=’sample-graph.png’)

從內(nèi)存使用角度來看，我們驚奇地發(fā)現(xiàn)——為什么對象沒有釋放?這是因?yàn)橛腥嗽诔钟袑λ囊谩?/p>

這個(gè)小片段展示了objgraph怎樣提供相關(guān)信息:

在這一案例中, 我們查看了Foo類型的隨機(jī)對象。我們知道該特定對象被保存在內(nèi)存中，因其引用鏈接在指定范圍內(nèi)。

有時(shí)，以上技巧能幫助我們理解，為什么當(dāng)我們不再使用某對象時(shí)，Python垃圾回收器沒有將垃圾回收。

難處理的是，有時(shí)候我們會發(fā)現(xiàn)Foo()占用了很多內(nèi)存的類。這時(shí)我們可以用heapy()來回答以上問題。

四、Heapy

heapy 是一個(gè)實(shí)用的，用于調(diào)試內(nèi)存消耗/泄漏的工具。查看 http://guppy-pe.sourceforge.net/。通常，我將objgraph和heapy搭配使用：用 heapy 查看分配對象隨時(shí)間增長的差異，heapy能夠顯示對象持有的最大內(nèi)存等;用Objgraph找backref鏈(例如：前4節(jié))，嘗試獲取它們不能被釋放的原因。

Heapy的典型用法是在不同地方的代碼中調(diào)用一個(gè)函數(shù)，試圖為內(nèi)存使用量提供大量收集線索，找到可能會引發(fā)的問題：

減少內(nèi)存消耗小技巧

在這一部分，我會介紹一些自己發(fā)現(xiàn)的可減少內(nèi)存消耗的小竅門.

Slots

當(dāng)你有許多對象時(shí)候可以使用Slots。Slotting傳達(dá)給Python解釋器：你的對象不需要動態(tài)的字典(從上面的例子2.2中，我們看到每個(gè)Foo()對象內(nèi)部包含一個(gè)字典)

用slots定義你的對象，讓python解釋器知道你的類屬性/成員是固定的.。這樣可以有效地節(jié)約內(nèi)存!

參考以下代碼:

在這個(gè)例子中，減少了60%的內(nèi)存消耗!

駐留：謹(jǐn)防駐留字符串!

Python會記錄如字符串等不可改變的值(其每個(gè)值的大小依賴于實(shí)現(xiàn)方法)，這稱為駐留。

這是由python解析器完成的，這樣做可以節(jié)省內(nèi)存，并加快比較速度。例如，如果兩個(gè)字符串擁有相同的ID或引用--他們就是全等的。

然而，如果你的程序創(chuàng)建了許多小的字符串，你的內(nèi)存就會出現(xiàn)膨脹。

生成字符串時(shí)使用Format來代替“+”

接下來，在構(gòu)造字符串時(shí)，使用Format來代替“+”構(gòu)建字符串。

亦即

在我們的系統(tǒng)中，當(dāng)我們將某些字符串構(gòu)造從“+”變?yōu)槭褂胒ormat時(shí)，內(nèi)存會明顯被節(jié)省。

關(guān)于系統(tǒng)級別

上面我們討論的技巧可以幫助你找出系統(tǒng)內(nèi)存消耗的問題。但是，隨著時(shí)間的推移，python進(jìn)程產(chǎn)生的內(nèi)存消耗會持續(xù)增加。這似乎與以下問題有關(guān):

為什么C中內(nèi)存分配能夠在Python內(nèi)部起作用，這本質(zhì)上是內(nèi)存碎片導(dǎo)致的。因?yàn)?，除非整個(gè)內(nèi)存沒有使用過，否則該分配過程不能調(diào)用‘free’方法。但需要注意的是，內(nèi)存的使用不是根據(jù)你所創(chuàng)建和使用的對象來進(jìn)行排列。

內(nèi)存增加也和上面討論的“Interning” 有關(guān)。

以我的經(jīng)驗(yàn)來看，減少python中內(nèi)存消耗的比例是可行的。在Datos IO中，我曾經(jīng)針對指定的內(nèi)存消耗進(jìn)程實(shí)現(xiàn)過一個(gè)工作模塊。對于序列化的工作單元，我們運(yùn)行了一個(gè)工作進(jìn)程。當(dāng)工作進(jìn)程完成后, 它會被移除了——這是返回系統(tǒng)全部內(nèi)存的唯一可以有效方法 :)。好的內(nèi)存管理允許增加分配內(nèi)存的大小，即允許工作進(jìn)程長時(shí)間運(yùn)行。

總結(jié)

我歸納了一些減少python進(jìn)程消耗內(nèi)存的技巧，當(dāng)我們在代碼中尋找內(nèi)存泄漏時(shí)，一種方法是通過使用Heapy找出哪些Obj占用了較多內(nèi)存，然后通過使用Objgraph找出內(nèi)存被釋放的原因(除非你認(rèn)為他們本應(yīng)該被釋放)。

總的來說，我覺得在python中尋找內(nèi)存問題是一種修行。隨著時(shí)間的積累，對于系統(tǒng)中的內(nèi)存膨脹和泄漏問題，你能產(chǎn)生一種直覺判斷，并能更快地解決它們。愿你在發(fā)現(xiàn)問題的過程中找到樂趣!