python - 如何解决 ray 内存使用量不断增长的问题？

Question

我开始使用 ray 进行分布式机器学习，但我已经遇到了一些问题。内存使用量一直在增长，直到程序崩溃。虽然我不断地清除列表，但内存不知何故泄漏。知道为什么吗？

我的规范:操作系统平台和发行版:Ubuntu 16.04Ray 安装自:二进制射线版本:0.6.5Python版本:3.6.8

我已经尝试使用实验队列而不是 DataServer 类，但问题仍然相同。

import numpy as np
import ray
import time
ray.init(redis_max_memory=100000000)


@ray.remote
class Runner():
    def __init__(self, dataList):
        self.run(dataList)

    def run(self,dataList):
        while True:
            dataList.put.remote(np.ones(10))

@ray.remote
class Optimizer():
    def __init__(self, dataList):
        self.optimize(dataList)

    def optimize(self,dataList):
        while True:
            dataList.pop.remote()

@ray.remote
class DataServer():
    def __init__(self):
        self.dataList= []

    def put(self,data):
        self.dataList.append(data)

    def pop(self):
        if len(self.dataList) !=0:
            return self.dataList.pop()
    def get_size(self):
        return len(self.dataList)


dataServer = DataServer.remote()
runner = Runner.remote(dataServer)
optimizer1 = Optimizer.remote(dataServer)
optimizer2 = Optimizer.remote(dataServer)

while True:
    time.sleep(1)
    print(ray.get(dataServer.get_size.remote()))

运行一段时间后，我得到这个错误信息:

Answer 1

我最近遇到了类似的问题，发现如果您经常放置大型对象(使用 ray.put())，您需要:

1. 手动调整 python 垃圾收集器使用的阈值

2. 定期调用 gc.collect()。

我实现了一个检查已用内存量然后调用垃圾收集器的方法。

问题是默认阈值是基于对象的数量，但是如果你放置大对象，gc 可能永远不会被调用，直到你用完内存。我的实用方法如下:

def auto_garbage_collect(pct=80.0):
    """
    auto_garbage_collection - Call the garbage collection if memory used is greater than 80% of total available memory.
                              This is called to deal with an issue in Ray not freeing up used memory.

        pct - Default value of 80%.  Amount of memory in use that triggers the garbage collection call.
    """
    if psutil.virtual_memory().percent >= pct:
        gc.collect()
    return

当涉及到通过 ray.put() 推送大对象并耗尽内存时，调用它可以解决问题。