使用 Google Cloud Datastore Python 库时，我应该如何调查内存泄漏？

Question

我有一个使用 Google 数据存储的网络应用程序，但在请求足够多后内存不足。

我已将其范围缩小到数据存储区查询。下面提供了最低 PoC，包含内存测量的 slightly longer version 在 Github 上。

from google.cloud import datastore
from google.oauth2 import service_account

def test_datastore(entity_type: str) -> list:
    creds = service_account.Credentials.from_service_account_file("/path/to/creds")
    client = datastore.Client(credentials=creds, project="my-project")
    query = client.query(kind=entity_type, namespace="my-namespace")
    query.keys_only()
    for result in query.fetch(1):
        print(f"[+] Got a result: {result}")

for n in range(0,100):
    test_datastore("my-entity-type")

分析过程 RSS 显示每次迭代大约 1 MiB 增长。即使没有返回结果，也会发生这种情况。以下是我的 Github gist 的输出：

[+] Iteration 0, memory usage 38.9 MiB bytes
[+] Iteration 1, memory usage 45.9 MiB bytes
[+] Iteration 2, memory usage 46.8 MiB bytes
[+] Iteration 3, memory usage 47.6 MiB bytes
..
[+] Iteration 98, memory usage 136.3 MiB bytes
[+] Iteration 99, memory usage 137.1 MiB bytes

但同时，Python 的mprof 显示了一个平面图（像mprof run python datastore_test.py 一样运行）：

问题

我调用 Datastore 的方式是否有问题，或者这可能是库的潜在问题？

环境是 Windows 10 上的 Python 3.7.4（也在 Docker 中的 Debian 3.8 上进行了测试），google-cloud-datastore==1.11.0 和 grpcio==1.28.1。

编辑 1

澄清这不是典型的 Python 分配器行为，它从操作系统请求内存，但不会立即从内部竞技场/池中释放它。下面是来自 Kubernetes 的图表，我的受影响的应用程序在其中运行：

这表明：

• 内存线性增长，直到大约 2GiB，应用程序实际上崩溃了，因为它内存不足（从技术上讲，Kubernetes 驱逐了 pod，但这与这里无关）。
• 运行相同的 Web 应用程序，但没有与 GCP 存储或数据存储区交互。
• 仅添加了与 GCP 存储的交互（随着时间的推移非常轻微的增长，可能是正常的）。
• 仅添加了与 GCP 数据存储的交互（更大的内存增长，一小时内大约 512MiB）。 Datastore 查询与本文中的 PoC 代码完全相同。

编辑 2

为了绝对确定 Python 的内存使用情况，我使用 gc 检查了垃圾收集器的状态。退出前，程序报告：

gc: done, 15966 unreachable, 0 uncollectable, 0.0156s elapsed

我还在循环的每次迭代期间使用gc.collect() 手动强制垃圾收集，这没有任何区别。

由于没有不可回收的对象，内存泄漏似乎不太可能来自使用 Python 的内部内存管理分配的对象。因此，外部 C 库更有可能发生内存泄漏。

可能相关

有一个open grpc issue 我不能确定是否相关，但与我的问题有许多相似之处。

Answer 1

我已将内存泄漏缩小到创建 datastore.Client 对象。

对于以下概念验证代码，内存使用量不会增长：

from google.cloud import datastore
from google.oauth2 import service_account

def test_datastore(client, entity_type: str) -> list:
    query = client.query(kind=entity_type, namespace="my-namespace")
    query.keys_only()
    for result in query.fetch(1):
        print(f"[+] Got a result: {result}")

creds = service_account.Credentials.from_service_account_file("/path/to/creds")
client = datastore.Client(credentials=creds, project="my-project")

for n in range(0,100):
    test_datastore(client, "my-entity-type")

这对于可以创建一次并在请求之间安全共享的 client 对象的小脚本来说是有意义的。

在许多其他应用程序中，安全地传递客户端对象更难（或不可能）。我希望库在客户端超出范围时释放内存，否则任何长时间运行的程序都可能出现此问题。

编辑 1

我已将其范围缩小到 grpc。环境变量GOOGLE_CLOUD_DISABLE_GRPC 可以设置（为任何值）来禁用grpc。

设置完成后，我在 Kubernetes 中的应用程序如下所示：

对 valgrind 的进一步调查表明它可能与 grpc 中的 OpenSSL 使用有关，我在错误跟踪器上的 this ticket 中记录了这一点。