Python垃圾回收及Linux Fork

时间:2022-05-23 令狐葱dennis 人气:0

前言：

在口袋助理看到了其他部门的同事针对Python2内存占用做的一点优化工作，自己比较感兴趣，遂记录下。

1.Linux fork简介

fork是Linux提供的创建子进程的系统调用。为了优化创建进程速度，Linux内核使用了Copy-on-Write的方式去创建进程，所谓Copy-on-Write是指执行fork之后，
内核并不立即给子进程分配物理内存空间，而是让子进程的虚内存映射到父进程的物理内存。仅仅当子进程向地址空间中执行写入操作时，才给它分配一段物理内存。
通过这种方式既优化了进程创建的时间，又减少了子进程的内存占用。

1.Copy-On-Write策略增加Python多进程内存占用的原因

Python GC采用引用技术的方式去管理对每个对象的引用，每一个被GC跟踪的对象会由一个PyGC_Head的结构体去表示。如下所示，其中gc_refs就是每个对象的引用计数值，
当我们在子进程中读取父进程创建的对象的时候，就会导致子进程的虚地址空间中的gc_refs加1，从而触发了内核的缺页中断，这是内核就会给子进程创建新的物理内存。
仅仅是简单的读取操作就会导致新的内存空间产生。

/* GC information is stored BEFORE the object structure. */
typedef union _gc_head 
{
    struct {
        union _gc_head *gc_next;
        union _gc_head *gc_prev;
        Py_ssize_t gc_refs;
    } gc;
    long double dummy; /* force worst-case alignment */
} PyGC_Head;

3.解决办法

python3的解决方法：

针对这个问题，Python3.7增加了三组API（有instagram团体提交的）[1]。

freeze用于将GC追踪的所有对象都移动到永生代（permanent generation），之后垃圾回收会忽略这些被设置为永生代的对象。

实际使用中，我们可以在父进程中执行freeze函数，然后子进程中使用和父进程共享的对象，这样对象的引用技术就不会增加，从而避免了COW的发生。

python2的解决方法：

(1) 针对Python2，我们可以简单的把Python3的相关函数移植过来
(2) 使用multiprocessing.Array去共享数据。Array会从共享内存中取一段取存储数据，并不会增加引用技术值，从而触发COW。

实现方面，Array使用Posix共享内存 + mmap去实现。[3]

#!/usr/bin/env python
# coding=utf-8
from multiprocessing import Array
import os
import sys

def foo():
    shared_cache = Array('i', range(0, 100), lock=False)
    pid = os.fork()
    if pid > 0:
        print("parent:", sys.getrefcount(shared_cache)) 
    elif pid == 0:
        print("child:", sys.getrefcount(shared_cache))


foo()

参考：

1.https://instagram-engineering.com/copy-on-write-friendly-python-garbage-collection-ad6ed5233ddf
2.https://llvllatrix.wordpress.com/2016/02/19/python-vs-copy-on-write/
3.https://github.com/python/cpython/blob/main/Lib/multiprocessing/shared_memory.py

加载全部内容