一、內存泄漏

像Java程序一樣，雖然Python本身也有垃圾回收的功能，但是同樣也會產生內存泄漏的問題。對于一個用 python 實現的，長期運行的后臺服務進程來說，如果內存持續增長，那么很可能是有了“內存泄露”。

1、內存泄露的原因

對于 python 這種支持垃圾回收的語言來說，怎么還會有內存泄露？ 概括來說，有以下三種原因：

所用到的用 C 語言開發的底層模塊中出現了內存泄露。 代碼中用到了全局的 list、 dict 或其它容器，不停的往這些容器中插入對象，而忘記了在使用完之后進行刪除回收 代碼中有“引用循環”，并且被循環引用的對象定義了__del__方法，就會發生內存泄露。

為什么循環引用的對象定義了__del__方法后collect就不起作用了呢？

gc模塊最常使用的方法就是gc.collect()方法，使用collect方法對循環引用的對象進行垃圾回收。如果我們在類中重載了__del__方法。__del__方法定義了在用del語句刪除對象時除了釋放內存空間以外的操作。一般而言，在使用了del語句的時候解釋器首先會看要刪除對象的引用計數，如果為0，那么就釋放內存并執行del方法。在這里，首先del語句出現時本身引用計數就不為0（因為有循環引用的存在），所以解釋器不釋放內存；再者，執行collect方法時應該會清除循環引用所產生的無效引用計數從而達到del的目的，對于這兩個循環引用對象而言，python無法判斷調用它們的del方法時會不會要用到對方那個對象，比如在進行b.del()時可能會用到b._a也就是a，如果在那之前a已經被釋放，那么就徹底GG了。為了避免這種情況，collect方法默認不對重載了del方法的循環引用對象進行回收，而它們倆的狀態也會從unreachable轉變為uncollectable。由于是uncollectable的，自然就不會被collect處理，所以就進入了garbage列表。

2、內存泄露的診斷思路

無論是哪種方式的內存泄露，最終表現的形式都是某些 python 對象在不停的增長；因此，首先是要找到這些異常的對象。

3、診斷步驟

用到的工具： gc 模塊和 objgraph 模塊

gc模塊 是Python的垃圾收集器模塊，gc使用標記清除算法回收垃圾

objgraph 是一個用于診斷內存問題的工具

1、 在服務程序的循環邏輯中，選擇出一個診斷點 2、 在診斷點，插入如下診斷語句 　

import gcimport objgraph### 強制進行垃圾回收 gc.collect() ### 打印出對象數目最多的 50 個類型信息 objgraph.show_most_common_types(limit=50)

4、檢查統計信息，找到異常對象

運行加入診斷語句的服務程序，并將打印到屏幕上的統計信息重定向到日志中。運行一段時間后，就可以來分析日志，看看哪些對象在不停的增長。

比如，排查結果可能是：一個多線程程序，多個線程作為生產者，一個線程作為消費者，通過將一個 tuple 對象送入異步隊列進行通信。由于消費者的處理速度跟不上生產者的速度，又沒有進行同步， 導致異步隊列中的對象越來越多。

二、內存溢出

1、內存溢出原因

內存中加載的數據量過于龐大，如一次從數據庫取出過多數據 集合類中有對對象的引用，使用完后未清空，產生了堆積，使得JVM不能回收 代碼中存在死循環或循環產生過多重復的對象實體 使用的第三方軟件中的BUG 啟動參數內存值設定的過小

2、內存溢出的解決方案

第一步，修改JVM啟動參數，直接增加內存(-Xms，-Xmx參數一定不要忘記加)

第二步，檢查錯誤日志，查看“OutOfMemory”錯誤前是否有其 它異?；蝈e誤

第三步，對代碼進行走查和分析，找出可能發生內存溢出的位置

重點排查以下幾點：

檢查對數據庫查詢中，是否有一次獲得全部數據的查詢。一般來說，如果一次取十萬條記錄到內存，就可能引起內存溢出。這個問題比較隱蔽，在上線前，數據庫中數據較少，不容易出問題，上線后，數據庫中數據多了，一次查詢就有可能引起內存溢出。因此對于數據庫查詢盡量采用分頁的方式查詢。 檢查代碼中是否有死循環或遞歸調用。 檢查是否有大循環重復產生新對象實體。 檢查List、MAP等集合對象是否有使用完后，未清除的問題。List、MAP等集合對象會始終存有對對象的引用，使得這些對象不能被GC回收。

第四步，使用內存查看工具動態查看內存使用情況

三、內存泄漏和內存溢出的區別

內存溢出是指向JVM申請內存空間時沒有足夠的可用內存了，就會拋出OOM即內存溢出。

內存泄漏是指，向JVM申請了一塊內存空間，使用完后沒有釋放，由于沒有釋放，這塊內存區域其他類加載的時候無法申請，

同時當前類又沒有這塊內存空間的內存地址了也無法使用，相當于丟了一塊內存，這就是內存泄漏。

值得注意的是內存泄漏最終會導致內存溢出，很好理解，內存丟了很多最后當然內存不夠用了。

以上就是Python內存泄漏和內存溢出的解決方案的詳細內容，更多關于Python內存泄漏和內存溢出的資料請關注好吧啦網其它相關文章！