python - 使用 Python 多处理的高内存使用率

Question

我看过几篇关于使用 Python 多处理模块的内存使用的帖子。然而，这些问题似乎并没有回答我在这里遇到的问题。我发布我的分析，希望有人可以帮助我。

问题

我正在使用多处理并行执行任务，我注意到工作进程的内存消耗无限增长。我有一个小的独立示例，应该可以复制我注意到的内容。

import multiprocessing as mp
import time

def calculate(num):
    l = [num*num for num in range(num)]
    s = sum(l)
    del l       # delete lists as an  option
    return s

if __name__ == "__main__":
    pool = mp.Pool(processes=2)
    time.sleep(5)
    print "launching calculation"
    num_tasks = 1000
    tasks =  [pool.apply_async(calculate,(i,)) for i in range(num_tasks)]
    for f in tasks:    
        print f.get(5)
    print "calculation finished"
    time.sleep(10)
    print "closing  pool"
    pool.close()
    print "closed pool"
    print "joining pool"
    pool.join()
    print "joined pool"
    time.sleep(5)

系统

我正在运行 Windows，我使用任务管理器来监控内存使用情况。我正在运行 Python 2.7.6。

观察

我总结了下面 2 个工作进程的内存消耗。

+---------------+----------------------+----------------------+
|  num_tasks    |  memory with del     | memory without del   |
|               | proc_1   | proc_2    | proc_1   | proc_2    |
+---------------+----------------------+----------------------+
| 1000          | 4884     | 4694      | 4892     | 4952      |
| 5000          | 5588     | 5596      | 6140     | 6268      |
| 10000         | 6528     | 6580      | 6640     | 6644      |
+---------------+----------------------+----------------------+

在上表中，我尝试更改任务数并观察在所有计算结束时以及在 join-ing pool 之前消耗的内存。 'del' 和 'without del' 选项分别是我是否取消注释或注释 calculate(num) 函数内的 del l 行。计算前内存消耗在4400左右。

1. 看起来手动清除列表会降低工作进程的内存使用量。我认为垃圾收集器会处理这个问题。有没有办法强制垃圾回收？
2. 令人费解的是，随着任务数量的增加，两种情况下的内存使用量都在不断增长。有没有办法限制内存使用？

我有一个基于此示例的流程，旨在长期运行。我观察到这个工作进程在通宵运行后占用了大量内存(~4GB)。做一个 join 来释放内存不是一种选择，我试图找出一种没有 join-ing 的方法。

这似乎有点神秘。有没有人遇到过类似的事情？我该如何解决这个问题？

Answer 1

我做了很多研究，但找不到解决问题本身的解决方案。但是有一个不错的解决方法可以以很小的成本防止内存爆裂，尤其是在服务器端长时间运行的代码上。

解决方案本质上是在完成固定数量的任务后重新启动单个工作进程。 python 中的 Pool 类将 maxtasksperchild 作为参数。您可以指定 maxtasksperchild=1000 从而限制在每个子进程上运行 1000 个任务。达到 maxtasksperchild 数字后，池会刷新其子进程。为最大任务使用一个谨慎的数字，可以平衡消耗的最大内存与与重新启动后端进程相关的启动成本。 Pool 构造如下:

pool = mp.Pool(processes=2,maxtasksperchild=1000)

我将我的完整解决方案放在这里，以便对其他人有用!

import multiprocessing as mp
import time

def calculate(num):
    l = [num*num for num in range(num)]
    s = sum(l)
    del l       # delete lists as an  option
    return s

if __name__ == "__main__":

    # fix is in the following line #
    pool = mp.Pool(processes=2,maxtasksperchild=1000)

    time.sleep(5)
    print "launching calculation"
    num_tasks = 1000
    tasks =  [pool.apply_async(calculate,(i,)) for i in range(num_tasks)]
    for f in tasks:    
        print f.get(5)
    print "calculation finished"
    time.sleep(10)
    print "closing  pool"
    pool.close()
    print "closed pool"
    print "joining pool"
    pool.join()
    print "joined pool"
    time.sleep(5)