溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
在我們的工作中，我們使用ddagent ver。5作為收集工具，收集和報告托管服務器的性能指標，并對ddagent進行一定程度的定制。經過多次功能迭代，發現一批在線運行時間長的托管服務器占用了太多內存。分析問題機器上進程樹中每個節點的占用情況，可以看出ddagent集合進程的內存占用仍然很高。
我們將學習最基本的流程控制工具，比如
if 條件判斷for 循環while 循環
作為保證業務系統穩定運行的監控組件，存在內存泄漏，這自然是非常嚴重的，所以我們開始了我們的“故障排除之旅”。
if-elif-else 判斷
分析
有很多工具可以分析和導出Python程序的內存狀態。在這里，我們使用pyrasite，它可以附加到正在運行的Python程序，生成內存快照，并檢查當前哪些對象類型占用了多少內存，并從大到小排序。
使用命令非常簡單： pyrasite-memory-viewer <PID>，同時會生成一份快照文件： /tmp/pyrasite-<PID>-objects.json。
由于無法提供真實的生產數據，下面提到的所有數據都來自問題版本在測試環境中運行12小時后的采樣。
在pyrasite提供的Cui視圖中，我們可以清楚地看到字典類型的對象實例占用的內存最多，達到3.4mb，有6621個實例：
while 循環
While循環也是一種常見的循環方式。這種循環通常以循環體類或條件方式結束。它不可能無限期地進行下去。
對于泄漏情況，我們有以下事實和猜測：
一個或多個位置持續創建空字典對象，并且無法回收它們，從而導致內存泄漏內存泄漏量隨時間而增加。在索引收集業務中，泄漏很可能是在每個收集過程中引起的，并在間隔期之后重復觸發我們看不到當前依賴的ddagent版本存在尚未關閉的相關問題，這可能是在我們的定制過程中引入的錯誤
[ [ [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"], [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"], [".../modules/monitor/bot/schedule.py",51,"run","task.run()"], [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"], [".../modules/monitor/bot/task.py",18,"run","self.check()"], [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"], [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"], [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"], [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"] ], [ [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"], [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"], [".../modules/monitor/bot/schedule.py",51,"run","task.run()"], [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"], [".../modules/monitor/bot/task.py",18,"run","self.check()"], [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"], [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"], [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"], [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"] ], [ [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"], [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"], [".../modules/monitor/bot/schedule.py",51,"run","task.run()"], [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"], [".../modules/monitor/bot/task.py",18,"run","self.check()"], [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"], [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"], [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"], [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"] ], ...
重播
我們不提“做好設計審查和規范審查”、“加強試驗階段質量檢驗工作”等“老生常談”，也值得我們反思。
要徹底防止和控制內存泄漏幾乎是不可能的，像rust這樣的安全編程語言也不能保證程序不會泄漏內存。
許多引發內存不安全的行為，如數組訪問越界、訪問釋放后的內存等，都可以通過制定更嚴格的編程模型（如rust提出的所有權+生命周期規則）甚至數據競爭問題來避免。
然而，觸發內存泄漏的行為，如競爭條件，需要開發人員將開發組件和業務規則結合起來。設想一個需要手動觸發刷新的數據隊列。結果，我們在推送數據時忘記調用它。這種內存泄漏無法通過任何常規檢查規則來識別。
關鍵字函數是為了更形象地說明傳入參數的位置和具體用法。如果一個函數有四個或五個參數，而且一次傳入的參數太多，那么很難讓人眼花繚亂。如果key=value用于傳入。
總結
通過本節的學習，我們了解了通過if else在不同條件下控制代碼流和執行不同代碼。for/while和如何定義函數有兩種不同的循環方法，包括函數的返回值和參數傳遞方法、position參數傳遞和向函數傳遞參數時的key=value參數傳遞。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
