Question

我有以下代码将大型CSV文件（超过350万行）加载到SQLite数据库中。

该程序运行正常，但似乎无法释放内存，因此在运行程序时，我可以通过命令top看到其内存大小如何增长，直到耗尽所有可用的服务器内存，并且该程序在不插入的情况下被杀死所有行。

我的理解是，包含的db.commit()（每次我们开始在CSV中加载新的月份时都会执行）将释放所有创建的Candlestick实例（我认为是那些使内存增加的实例），但不会这样做。

为什么会发生这种情况，并且可以在代码中对其进行更正以使其在没有内存泄漏的情况下正常工作？

# -*- coding: utf-8 -*-

# Load CSV Data into SQLite Database

from decimal import *
from datetime import datetime
from pytz import timezone

from pony.orm import *
import csv

# Input parameters
csv_filename = 'dax-1m.csv'
csv_timeframe = '1m'
csv_delimiter = ';'
csv_quotechar = '"'
csv_timezone = timezone('America/New_York')
db_filename = 'dax.db'
db_timezone = timezone('Europe/Berlin')

# Open/Create database
db = Database()

# Data Model
class Candlestick(db.Entity):
    timeframe = Required(unicode)
    timestamp = Required(datetime)
    open = Required(Decimal, precision=12, scale=6)
    high = Required(Decimal, precision=12, scale=6)
    low = Required(Decimal, precision=12, scale=6)
    close = Required(Decimal, precision=12, scale=6)
    volume = Required(Decimal, precision=12, scale=6)

db.bind(provider='sqlite', filename=db_filename, create_db=True)
db.generate_mapping(create_tables=True)    

# Loader class
class Loader():
    def load(self):
        rowcount = 0;
        current_year = -1;
        current_month = -1;
        with open(csv_filename, newline='') as csvfile:
            r = csv.reader(csvfile, delimiter=csv_delimiter, quotechar=csv_quotechar)
            with db_session:
                for row in r:

                    _year = int(row[0][-4:])
                    _month = int(row[0][3:-5])
                    _day = int(row[0][:2])
                    _hour = int(row[1][:2])
                    _minute = int(row[1][3:5])
                    csv_dt = datetime(_year, _month, _day, _hour, _minute)
                    db_dt = csv_timezone.localize(csv_dt).astimezone(db_timezone)

                    Candlestick(
                        timeframe=db_timezone.zone, 
                        timestamp=db_dt,
                        open=row[2], 
                        high=row[3],
                        low=row[4], 
                        close=row[5],
                        volume=row[6]
                    )

                    rowcount+=1

                    if(_year != current_year or _month != current_month):
                        db.commit()
                        current_year = _year
                        current_month = _month
                        print('Loading data for ' + str(current_year) + ' ' + str(current_month) + ' ...')
                        print('Loaded ' + str(rowcount) + ' registers.')

ldr=Loader()
ldr.load();

Answer 1

这里没有内存泄漏。小马在离开db_session范围时清除缓存在这里您可以看到更多有关此的信息 https://docs.ponyorm.com/transactions.html#working-with-db-session。

特别是这个：

会话结束时，它将执行以下操作：

清除身份映射缓存

您需要缩小db_session的范围。另一种选择是在创建N个对象之后执行commit（），然后执行rollback（）来清除缓存：

with db_session(strict=True):
    for i, row in enumerate(r):
        <do some work>
        if i % 10000 == 0:
            commit()  # save the changes
            rollback()  # clear the cache

在此处查看关于rollback（）的详细信息：https://docs.ponyorm.com/transactions.html#db-session-cache

使用SQLite了解PonyORM中的内存消耗

1 个答案: