Python内存占用量与堆大小

Question

在使用python脚本发出大型 solr 查询时，我遇到了一些内存问题。我正在使用 solrpy 库与solr服务器进行交互。该查询返回大约80,000条记录。发出查询后，立即通过顶部气球查看python内存占用量达到~190MB。

 PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND 
8225 root      16   0  193m 189m 3272 S  0.0 11.2   0:11.31 python
...

此时，通过heapy查看的堆配置文件如下所示：

Partition of a set of 163934 objects. Total size = 14157888 bytes.   
 Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
     0  80472  49  7401384  52   7401384  52 unicode
     1  44923  27  3315928  23  10717312  76 str
...

unicode对象表示查询中记录的唯一标识符。需要注意的一点是，总堆大小只有14MB，而python占用了190MB的物理内存。一旦存储查询结果的变量超出范围，堆配置文件就会正确反映垃圾收集：

Partition of a set of 83586 objects. Total size = 6437744 bytes.
 Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
     0  44928  54  3316108  52   3316108  52 str

但是，内存占用量保持不变：

  PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND
 8225 root      16   0  195m 192m 3432 S  0.0 11.3   0:13.46 python
...

为什么python的物理内存占用量与python堆的大小之间存在如此大的差异？

Answer 1

Python从C堆中分配Unicode对象。所以当你分配它们中的许多（以及其他malloc块），然后释放它们中的大部分除了最后一个，C malloc将不会向操作系统返回任何内存，因为C堆只会在最后收缩（不在中间）。释放最后一个Unicode对象将在C堆的末尾释放该块，然后允许malloc将其全部返回给系统。

除了这些问题之外，Python还维护一个释放的unicode对象池，以便更快地进行分配。因此，当释放最后一个Unicode对象时，它不会立即返回到malloc，使所有其他页面卡住。

Answer 2

CPython实现只有异常免费的分配内存。这是一个众所周知的错误，但它并没有得到CPython开发人员的太多关注。建议的解决方法是“分叉并消耗”占用大量RAM的进程。

Answer 3

你使用的是什么版本的python？
我问的是older version of CPython did not release the memory，这在Python 2.5中得到了解决。

Answer 4

我实施了hruske的“fork and die”的建议。我正在使用os.fork（）在子进程中执行代码的内存密集部分，然后我让子进程退出。父进程对子进程执行os.waitpid（），以便在给定时间只执行一个线程。

如果有人发现这个解决方案存在任何陷阱，请加入。