python 内存溢出的解决方法
运行在服务器上的数据同步脚本突然出现已杀死，谁把你杀了，咋就突然被杀了？？？
系统日志
切换到 var/log/ 查看 messages，发现是 Out of memory: Kill process 13678 (python3) score 906 or sacrifice child
原因分析
这就奇怪了，数据同步脚本每次运行完都会释放内存的，而且已经从常开的死循环改成了 BlockingScheduler 的定时任务，按理说不应该消耗大量内存。
数据同步没问题，那就只能是其他程序消耗了，想起来这里不紧运行了数据同步，还有一个 laravel 项目和一个 django 项目，laravel 为 django 提供接口，问题很有可能就出现在 django！
运行 top 查看 python 的内存消耗，然后通过 laravel 调用一下接口，发现内存确实上涨并且一直没有释放。
罪魁祸首终于找到了！
问题解决
经过一番查询，django 引发内存泄漏一般有两种情况，一个是直接访问 django 的数据库接口时没有主动释放游标，另一个就是设置了 debug 模式，这个项目因为还在开发，所以 debug 模式确实开着。
改掉以后再试，果然内存不再飙升。
线上环境一定要慎重啊！
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 M-finder！
不用给钱，领个红包吧
相关推荐
2019-04-18
卷积神经网络学习
卷积神经网络，计算机视觉应用几乎都在使用的一种深度学习模型。 一般用于训练数据集较小的问题，比如图像分类。 简介卷积神经网络是一种多层神经网络，主要由输入层，卷积层，激励函数，池化层和全连接层组成，可以通过一系列方法，成功将数据量庞大的图片识别问题不断降维，最终使其能够被训练。 输入层即数据的输入。 通过传入参数 input_shape=(28, 28, 1) 来设置网络接收张量的形状。 卷积层使用卷积核来进行特征提取和特征映射。 当我们输入的图像是 28 * 28 * 1 ，定义一个 3 * 3 的卷积核来对图像进行卷积操作（可以理解为一个滑动窗口，把卷积核与对应的图像像素做乘积然后求和），得到了 3 * 3 的卷积结果。 这个过程我们可以理解为我们使用一个过滤器（卷积核）来过滤图像的各个小区域，从而得到这些小区域的特征值。 激励层激励层主要对卷积层的输出进行一个非线性映射，因为卷积层的计算还是一种线性计算。 使用的激励函数一般是...
2019-04-10
深度学习 -- 基于 keras 的手写数字识别示例
MNIST 是 keras 中一个入门级的计算机视觉数据集，这个数据集包含各种各样的手写数字图片，其中包含 60000 张训练图像和 10000 张测试图像。 是解决手写数字分类问题的经典数据集，可以看做是深度学习的 ‘Hello World’。 下载数据123from keras.datasets import mnist(train_images, train_labels), (test_images, test_labels) = mnist.load_data() 这两行代码需要先运行，下载数据集。 下载过程会失败，多试几次，不需要翻墙。 train_images 和 train_labels 为训练集， 分别为图片数据和标签数据。模型将从这些数据中进行学习。 然后在测试集： test_images 和 test_labels 上对模型进行测试。 构建网络12345from keras import modelsfrom keras import layersnetwork =...
评论