Heroku 上的 Django Celery 任务导致高内存使用

Question

我在 Heroku 上有一个 celery 任务，它连接到外部 API 并检索一些数据，存储在数据库中并重复数百次。很快（大约 10 次循环后）Heroku 开始警告高内存使用情况。有什么想法吗？

tasks.py

@app.task
def retrieve_details():
    for p in PObj.objects.filter(some_condition=True):
        p.fetch()

models.py

def fetch(self):
    v_data = self.service.getV(**dict(
        Number=self.v.number
    ))
    response = self.map_response(v_data)

    for key in ["some_key","some_other_key",]:
        setattr(self.v, key, response.get(key))

    self.v.save()

英雄日志

2017-01-01 10:26:25.634
132 <45>1 2017-01-01T10:26:25.457411+00:00 heroku run.5891 - - Error R14 (Memory quota exceeded)

Go to the log: https://api.heroku.com/myapps/xxx@heroku.com/addons/logentries

You are receiving this email because your Logentries alarm "Memory quota exceeded"
has been triggered.

In context:
2017-01-01 10:26:25.568 131 <45>1 2017-01-01T10:26:25.457354+00:00 heroku run.5891 - - Process running mem=595M(116.2%)
2017-01-01 10:26:25.634 132 <45>1 2017-01-01T10:26:25.457411+00:00 heroku run.5891 - - Error R14 (Memory quota exceeded)

Answer 1

您基本上是将一堆数据加载到内存中的 Python 字典中。这将导致大量内存开销，尤其是当您从本地数据库中获取大量对象时。

您真的需要将所有这些对象存储在字典中吗？

大多数人为这样的事情做的是：

• 从数据库中一次检索一个对象。
• 处理该项目（执行您需要的任何逻辑）。
• 重复。

这样，您最终只会在任何给定时间将单个对象存储在内存中，从而大大减少了内存占用。

如果我是你，我会想办法将我的逻辑转移到数据库查询中，或者简单地单独处理每个项目。

Answer 2

为了扩展名副其实的 rdegges 思想，这里有两种我过去在使用 celery/python 时使用的策略来帮助减少内存占用：(1) 启动每个只处理一个对象的子任务和/或 ( 2) 使用生成器。

1. 启动每个只处理一个对象的子任务：

   @app.task
   def retrieve_details():
       qs = PObj.objects.filter(some_condition=True)
       for p in qs.values_list('id', flat=True):
           do_fetch.delay(p)
   
   @app.task
   def do_fetch(n_id):
       p = PObj.objects.get(id=n_id)
       p.fetch()
   

   现在您可以使用 --max-tasks-per-child 调整 celery，使其在处理 N 个 PObj（任务）后终止进程，以保持较低的内存占用。

2. 使用生成器：您也可以尝试使用生成器，这样您就可以（理论上）在调用 fetch 后丢弃 PObj

   def ps_of_interest(chunk=10):
       n = chunk
       start = 0
       while n == chunk:
           some_ps = list(PObj.objects.filter(some_condition=True)[start:start + n])
           n = len(some_ps)
           start += chunk
           for p in some_ps:
               yield p
   
   @app.task
   def retrieve_details():
       for p in ps_of_interest():
           p.fetch()
   

为了我的钱，我会选择选项 #1。