python内存持续增长_Python 进程内存增长解决方案
一、表现
运行环境:
# uname –a
Linux ** 3.10.0-327.el7.x86_64 #1 SMP Thu Nov 19 22:10:57 UTC 2015 x86_64 x86_64 x86_64 GNU/Linux
# python2 –version
# cat /etc/*-release
CentOS Linux release 7.2.1511 (Core)
python进程在大量请求的处理过程中,内存持续升高。负载压力下降之后,内存并未下降。
python进程在大量请求的处理过程中,内存持续升高。负载压力下降之后,内存并未下降。
# ps aux | grep python2
USER PID %CPU %MEM VSZ RSS TTY STAT START TIME COMMAND
root 124910 10.2 0.8 5232084 290952 ? Sl Mar17 220:37 python2 offline.py restart
# ~~~~~~
# 290M 内存占用
二、解决方法
三个步骤确定问题所在:
确认当时程序是否有异常行为;
排除行为异常后,查看python内存使用情况,确认所有相关对象的回收情况;
排除垃圾回收等python内部内存泄漏问题后,则可以定位到libc的malloc实现问题;
确定后可直接替换malloc模块为tcmalloc:、
LD_PRELOAD=”/usr/lib64/libtcmalloc.so” python x.py
三、问题定位过程解读
gdb-python:搞清楚python程序在做什么
首先确定python在做什么,是否有大内存消耗任务正在运行,或出现死锁等异常行为。
从gdb-7开始,gdb支持用python实现gdb扩展,可以像调试c程序一样,用gdb对python程序检查线程、调用栈等;且可同时打印python代码和内部c代码的调用栈。
这对于定位是python代码问题还是其底层c代码问题,有很大帮助。
准备gdb
首先安装python的debuginfo:
# debuginfo-install python-2.7.5-39.el7_2.x86_64
如果缺少debuginfo,当运行后续步骤时,gdb会提示,按提示安装完成即可:
Missing separate debuginfos, use: debuginfo-install python-2.7.5-39.el7_2.x86_64
接入gdb
可直接用gdb attach到1个python进程,查看其运行状态:
# gdb python 11122
attach之后进入gdb,基本检查步骤如下:
查看线程
(gdb) info threads
Id Target Id Frame
206 Thread 0x7febdbfe3700 (LWP 124916) “python2” 0x00007febe9b75413in select() at ../sysdeps/unix/syscall-template.S:81
205 Thread 0x7febdb7e2700 (LWP 124917) “python2” 0x00007febe9b75413 in select() at ../sysdeps/unix/syscall-template.S:81
204 Thread 0x7febdafe1700 (LWP 124918) “python2” 0x00007febe9b75413 in select () at ../sysdeps/unix/syscall-template.S:81
203 Thread 0x7febda7e0700 (LWP 124919) “python2” 0x00007febe9b7369d inpoll () at ../sysdeps/unix/syscall-template.S:81
一般加锁、死锁情况存在时,会有线程卡在xx_wait等函数上。
之前用该方法定位了1个python-logging模块引起的死锁问题:
在多线程进程中运行fork,导致logging的锁被锁住后fork到新进程、但解锁线程没有fork到新进程而导致死锁。
查看调用栈
如果发现某线程有问题,切换到此线程上,查看调用栈确定具体执行步骤,使用bt 命令:
(gdb) bt
#16 0x00007febea8500bd in PyEval_EvalCodeEx (co=, globals=, locals=locals@entry=0x0, args=,
argcount=argcount@entry=1, kws=0x38aa668, kwcount=2, defs=0x3282a88, defcount=2, closure=closure@entry=0x0) at /usr/src/debug/Python-2.7.5/Python/ceval.c:3330
…
#19 PyEval_EvalFrameEx (
f=f@entry=Frame 0x38aa4d0,for file t.py, line 647,in run (part_num=2, consumer=
bt 命令不仅可以看到c的调用栈,还会显示python源码的调用栈。 上图中,frame-16是c的调用栈,frame-19显示python源代码的所在行。
如果只查看python代码的调用栈,则使用py-bt命令:
(gdb) py-bt
#1
#3 Frame 0x3952450, for file /usr/lib64/python2.7/site-packages/twisted/internet/epollreactor.py, line 379, in doPoll(self=
l = self._poller.poll(timeout, len(self._selectables))
#7 Frame 0x39502a0, for file /usr/lib64/python2.7/site-packages/twisted/internet/base.py, line 1204, in mainLoop (self=
py-bt显示python源码的调用栈、调用参数以及所在行的代码。
coredump
如果要进行长时间跟踪,最好 coredump下python程序的全部进程信息,之后再分析core文件,避免影响正在运行的程序。
(gdb) generate-core-file
这条命令将当前gdb attach的程序dump到其运行目录,命名为core.,然后使用gdb 加载该core文件,进行打印堆栈、查看变量等分析,无需attach到正在运行的程序:
# gdb python core.
其他命令
其他命令可以在gdb输入py 查看,与gdb的命令对应,例如:
(gdb) py
py-bt py-list py-print python
py-down py-locals py-up python-interactive
py-up、py-down 可移动到python调用栈的上一个或下一个frame;
py-locals 用来打印局部变量……
gdb中也可用help命令查看帮助:
(gdb) help py-print
Look up the given python variable name, and print it
在这次追踪过程中,用gdb-python排除了程序逻辑问题。接下来继续追踪内存泄漏问题。
pyrasite: 连接进入python程序
pyrasite可以直接连上一个正在运行的python程序,打开一个类似ipython的交互终端来运行命令、检查程序状态。
这为调试提供了极大的方便。
安装:
# pip install pyrasite
…
# pip show pyrasite
Name: pyrasite
Version: 2.0
Summary: Inject code into a running Python process
Home-page: http://pyrasite.com
Author: Luke Macken
…
连接到有问题的python程序,开始收集信息:
pyrasite-shell
>>>
接下来就可以在进程里调用任意python代码,查看进程状态。
psutil 查看python进程状态
pip install psutil
首先查看python进程占用的系统内存RSS:
pyrasite-shell 11122
>>> import psutil, os
>>> psutil.Process(os.getpid()).memory_info().rss 29095232
基本与ps命令显示结果一致:
rss the real memory (resident set) size of the process (in 1024 byte units)
guppy 获取内存使用的各种对象占用情况
guppy 可以打印各种对象所占空间大小,如果python进程中有未释放的对象,造成内存占用升高,可通过guppy查看。
同样,以下步骤是通过pyrasite-shell,attach到目标进程后操作的。
# pip install guppy
from guppy import hpy
h = hpy()
h.heap()
# Partition of a set of 48477 objects. Total size = 3265516 bytes.
# Index Count % Size % Cumulative % Kind (class / dict of class)
# 0 25773 53 1612820 49 1612820 49 str
# 1 11699 24 483960 15 2096780 64 tuple
# 2 174 0 241584 7 2338364 72 dict of module
# 3 3478 7 222592 7 2560956 78 types.CodeType
# 4 3296 7 184576 6 2745532 84 function
# 5 401 1 175112 5 2920644 89 dict of class
# 6 108 0 81888 3 3002532 92 dict (no owner)
# 7 114 0 79632 2 3082164 94 dict of type
# 8 117 0 51336 2 3133500 96 type
# 9 667 1 24012 1 3157512 97 __builtin__.wrapper_descriptor
# <76 more rows. Type e.g. ‘_.more’ to view.>
h.iso(1,[],{})
# Partition of a set of 3 objects. Total size = 176 bytes.
# Index Count % Size % Cumulative % Kind (class / dict of class)
# 0 1 33 136 77 136 77 dict (no owner)
# 1 1 33 28 16 164 93 list
# 2 1 33 12 7 176 100 int
通过以上步骤可排除python进程中存在未释放的对象的可能。
无法回收的对象
python本身带有垃圾回收,但同时满足以下2个条件时,python程序中个别对象则无法被回收(uncollectable object) :
循环引用
循环引用链上某对象定义了__del__方法
官方解释是:循环引用的一组对象被gc模块识别为可回收,但需先调用每个对象上的__del__才可被回收。当用户自定义了__del__的对象,gc系统无法判断应先调用环上的哪个__del__,因此无法回收这类对象。
不能回收的python对象会持续占据内存,因此,我们推测有不能被回收的对象导致了内存持续升高。
最终确定不是由这种问题引起的内存无法释放。不能回收的对象仍可通过gc.get_objects() 列出,并会在gc.collect()调用后加入gc.garbage的list里。但目前尚未发现这类对象的存在。
查找uncollectable的对象:
pyrasite-shell 11122
>>> import gc
>>> gc.collect() # first run gc, find out uncollectable object and put them in gc.garbage
# output number of object collected
>>> gc.garbage # print all uncollectable objects
[] # empty
如果打印出任何不能回收的对象,则需进一步查找,确定循环引用链上哪个对象包含__del__方法。
下面应用1个例子来演示如何生成不能回收的对象:
# Make a reference to it self, to form a reference cycle.
# A reference cycle with __del__, makes it uncollectible.
self.me = self
def __del__(self):
dd(‘*** __del__ called’)
def test_it(collectible):
dd()
dd(‘======= ‘, (‘collectible’ifcollectible else ‘uncollectible’), ‘ object =======’)
dd()
gc.collect()
dd(‘*** init, nr of referrers: ‘, len(gc.get_referrers(One)))
dd(‘ garbage: ‘, gc.garbage)
one = One(collectible)
dd(‘ created: ‘, one.typ, ‘: ‘, one)
dd(‘ nr of referrers: ‘, len(gc.get_referrers(One)))
dd(‘ delete:’)
del one
gc.collect()
dd(‘*** after gc, nr of referrers: ‘, len(gc.get_referrers(One)))
dd(‘ garbage: ‘, gc.garbage)
if __name__ == “__main__”:
test_it(collectible=True)
test_it(collectible=False)
上面这段代码创建了2个对象:1个可回收、1个不可回收,它们都定义了__del__方法,唯一区别在于是否引用了自己(从而构成了引用环)。
如果在这个步骤发现了循环引用,则需进一步查出具体哪些引用关系造成了循环,进而破坏循环引用,最终让对象可回收。
objgraph 查找循环引用
# pip install objgraph
pyrasite-shell 11122
>>> import objgraph
>>> objgraph.show_refs([an_object], filename=’sample-graph.png’)
以上例子中,将在本地生成一个图片,描述可以由an_object引用到的关系图:
在这一步我们仍未找到不能回收的对象,排除一切原因后我们推测libc的malloc实现问题。
使用tcmalloc替代libc默认的malloc后问题最终得到修复。
原创文章,作者:白山码路长,如若转载,请注明出处:http://blog.baishan.com/technology-applications/python-jinchengneicunzengchangjiejuefangan
python内存持续增长_Python 进程内存增长解决方案相关推荐
- python 内存溢出_Python之内存泄漏和内存溢出
一.内存泄漏 像Java程序一样,虽然Python本身也有垃圾回收的功能,但是同样也会产生内存泄漏的问题. 对于一个用 python 实现的,长期运行的后台服务进程来说,如果内存持续增长,那么很可能是 ...
- python启动方法_python进程开启的两种方式
一.进程 1.1.方式一 from multiprocessing import Process import time #方式一 def task(name): print(f"my na ...
- linux进程实际内存大小,Linux进程内存用量分析之堆内存篇
本文将介绍几种内存泄漏检测工具,并通过实际例子介绍一种分析堆内存占用量的工具和方法,帮助定位内存膨胀问题.背景 进程的内存管理是每一个开发者必须要考虑的问题,对于C++程序进程来说,出现问题很多情况下 ...
- linux查看所有进程占用内存命令,LINUX进程内存占用查看命令
(1)top使命 代码如下 $ top -u oracle 1.top命令 代码如下 top -d 1 -p pid [,pid ...] //设置为delay 1s,默认是delay 3s 如果想根 ...
- linux rss 内存分析,Linux进程内存分析pmap命令
名称: pmap - report memory map of a process(查看进程的内存映像信息) 用法 pmap [ -x | -d ] [ -q ] pids... pmap -V 选项 ...
- linux进程的内存空间,Linux进程内存统计
一. 进程内存统计 cat /proc/[pid]/status 通过/proc/[pid]/status可以查看进程的内存使用情况,包括虚拟内存大小(VmSize),物理内存大小(VmRSS),数据 ...
- python slice是共享内存吗_python共享内存实现进程通信
1.概述 共享内存可以说是最有用的进程间通信方式.两个不同的进程共享内存的意思是:同一块物理内存被映射到两个进程的各自的进程地址空间.一个进程可以及时看到另一个进程对共享内存的更新,反之亦然.采用共享 ...
- python怎么清理电脑进程内存_Python如何释放内存?
功能说明 Python使用引用计数.分代算法回收垃圾,引用计数操作方法: 对象被引用一次,其计数器+1 对象被del,其计数器-1 对象的引用计数为0时候会被回收 python的魔法方法__del__ ...
- 限制python内存上限_Python限制内存和CPU使用量的方法(Unix系统适用)
问题 你想对在Unix系统上面运行的程序设置内存或CPU的使用限制. 解决方案 resource 模块能同时执行这两个任务.例如,要限制CPU时间,可以像下面这样做: import signal im ...
最新文章
- 关于object references an unsaved transient instance - save the transient instance before flushing的解决方法
- 1076 Forwards on Weibo
- Spring Cloud架构的各个组件的原理分析
- NIS、NFS 與 Autofs 整合應用
- angular artDialog未及时更新
- jsp java 分离,java与jsp页面的字符串拼接和拆分
- SAP Spartacus content page url的硬编码列表 - Page Label
- 租号显示服务器爆满怎么办,租号器环境异常怎么解决
- C++ 控制结构和函数(一) —— 控制结构
- 开红数显示服务器为空,网维大师常见问题:图标空白或红号问号
- 如何看待现在一些年轻人秉持「简单是福、平淡是真」的随遇而安的生活态度?...
- HL7协议介绍(一)
- 日志易使用系列三:仪表盘的创建与使用
- android面板驱动的使用方法,高通平台Android 驱动层LCD显示屏驱动移植说明和相关工具...
- 解决eclipse安装Darkest Dark Theme报错
- 1号线彭埠站故障已经查明 是积水导致转辙机信号不良
- Renesas:配置中断的常规流程
- Android端控制LED屏
- 苹果cms10的一次尝试发现了苹果cms10被挂马极有可能是苹果cms作者故意的js漏洞或后门导致
- OC和swift混合工程更新库时报:target has transitive dependencies that include statically linked binaries