Использование памяти pypy растет навсегда?

У меня сложное приложение python server, которое работает постоянно все время. Ниже приведена очень упрощенная версия.

Когда я запускаю приложение ниже с помощью python; msgstr "python Main.py". Он сразу же использует 8 мб барана и остается в 8 мб барана, как и следовало ожидать.

Когда я запускаю его с помощью pypy "pypy Main.py". Он начинается с использования 22 МБ оперативной памяти и с течением времени увеличивается производительность плунжера. Через 30 секунд его в 50 мб, через час его в 60 мб.

Если я изменю "b.something()" на "pass", он не сожрает память.

Я использую pypy 1.9 для OSX 10.7.4 Я в порядке с pypy, используя больше бара, чем python.

Есть ли способ остановить pypy от съедания памяти в течение длительных периодов времени?

import sys
import time
import traceback

class Box(object):
    def __init__(self):
        self.counter = 0
    def something(self):
        self.counter += 1
        if self.counter > 100:
            self.counter = 0

try:
    print 'starting...'
    boxes = []      
    for i in range(10000):
        boxes.append(Box())
    print 'running!'
    while True:
        for b in boxes:
            b.something()
        time.sleep(0.02)

except KeyboardInterrupt:
    print ''
    print '####################################'
    print 'KeyboardInterrupt Exception'
    sys.exit(1)

except Exception as e:
    print ''
    print '####################################'
    print 'Main Level Exception: %s' % e
    print traceback.format_exc()
    sys.exit(1)

Ниже приведен список раз и использование плунжера в то время (я оставил его на ночь).

Wed Sep  5 22:57:54 2012, 22mb ram 
Wed Sep  5 22:57:54 2012, 23mb ram 
Wed Sep  5 22:57:56 2012, 24mb ram 
Wed Sep  5 22:57:56 2012, 25mb ram 
Wed Sep  5 22:57:58 2012, 26mb ram 
Wed Sep  5 22:57:58 2012, 27mb ram 
Wed Sep  5 22:57:59 2012, 29mb ram 
Wed Sep  5 22:57:59 2012, 30mb ram 
Wed Sep  5 22:58:00 2012, 31mb ram 
Wed Sep  5 22:58:02 2012, 32mb ram 
Wed Sep  5 22:58:03 2012, 33mb ram 
Wed Sep  5 22:58:05 2012, 34mb ram 
Wed Sep  5 22:58:08 2012, 35mb ram 
Wed Sep  5 22:58:10 2012, 36mb ram 
Wed Sep  5 22:58:12 2012, 38mb ram 
Wed Sep  5 22:58:13 2012, 39mb ram 
Wed Sep  5 22:58:16 2012, 40mb ram 
Wed Sep  5 22:58:19 2012, 41mb ram 
Wed Sep  5 22:58:21 2012, 42mb ram 
Wed Sep  5 22:58:23 2012, 43mb ram 
Wed Sep  5 22:58:26 2012, 44mb ram 
Wed Sep  5 22:58:28 2012, 45mb ram 
Wed Sep  5 22:58:31 2012, 46mb ram 
Wed Sep  5 22:58:33 2012, 47mb ram 
Wed Sep  5 22:58:35 2012, 49mb ram 
Wed Sep  5 22:58:35 2012, 50mb ram 
Wed Sep  5 22:58:36 2012, 51mb ram 
Wed Sep  5 22:58:36 2012, 52mb ram 
Wed Sep  5 22:58:37 2012, 54mb ram 
Wed Sep  5 22:59:41 2012, 55mb ram 
Wed Sep  5 22:59:45 2012, 56mb ram 
Wed Sep  5 22:59:45 2012, 57mb ram 
Wed Sep  5 23:00:58 2012, 58mb ram 
Wed Sep  5 23:02:20 2012, 59mb ram 
Wed Sep  5 23:02:20 2012, 60mb ram 
Wed Sep  5 23:02:27 2012, 61mb ram 
Thu Sep  6 00:18:00 2012, 62mb ram 

Ответы

Ответ 1

http://doc.pypy.org/en/latest/gc_info.html#minimark-environment-variables показывает, как настроить gc

Ответ 2

По сравнению с cpython, pypy использует различные стратегии сбора мусора. Если увеличение памяти связано с чем-то в вашей программе, вы можете время от времени пытаться запускать сборку принудительного мусора, используя collect из модуля gc. В этом случае это может также помочь явно del больших объектов, которые вам больше не нужны, и которые не выходят за рамки.

Если это связано с внутренней работой pypy, возможно, стоит представить отчет об ошибке, как предположил Марк Дикинсон.