Python流程控制常用工具詳解

在我們的工作中，我們使用ddagent ver。5作為收集工具，收集和報告託管伺服器的效能指標，並對ddagent進行一定程度的定製。經過多次功能迭代，發現一批**執行時間長的託管伺服器占用了太多記憶體。分析問題機器上程序樹中每個節點的占用情況，可以看出ddagent集合程序的記憶體占用仍然很高。

我們將學習最基本的流程控制工具，比如

if 條件判斷for 迴圈while 迴圈

作為保證業務系統穩定執行的監控元件，存在記憶體洩漏，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

分析有很多任務具可以分析和匯出python程式的記憶體狀態。在這裡，我們使用pyrasite，它可以附加到正在執行的python程式，生成記憶體快照，並檢查當前哪些物件型別占用了多少記憶體，並從大到小排序。

使用命令非常簡單： pyrasite-memory-viewer ，同時會生成乙份快照檔案： /tmp/pyrasite--objects.json。

由於無法提供真實的生產資料，下面提到的所有資料都來自問題版本在測試環境中執行12小時後的取樣。

在pyrasite提供的cui檢視中，我們可以清楚地看到字典型別的物件例項占用的記憶體最多，達到3.4mb，有6621個例項：

while 迴圈

while迴圈也是一種常見的迴圈方式。這種迴圈通常以迴圈體類或條件方式結束。它不可能無限期地進行下去。

對於洩漏情況，我們有以下事實和猜測：

乙個或多個位置持續建立空字典物件，並且無法**它們，從而導致記憶體洩漏記憶體洩漏量隨時間而增加。在索引收集業務中，洩漏很可能是在每個收集過程中引起的，並在間隔期之後重複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製過程中引入的錯誤

[[ [".../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()www.cppcns.com"],

[".../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()"程式設計客棧],

[".../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"],

[".../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()"]

],程式設計客棧

[ [".../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,"www.cppcns.comwrapper","_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「做好設計審查和規範審查」、「加強試驗階段質量檢驗工作」等「老生常談」，也值得我們反思。

要徹底防止和控制記憶體洩漏幾乎是不可能的，像rust這樣的安全程式語言也不能保證程式不會洩漏記憶體。

許多引發記憶體不安全的行為，如陣列訪問越界、訪問釋放後的記憶體等，都可以通過制定更嚴格的程式設計模型（如rust提出的所有權+生命週期規則）甚至資料競爭問題來避免。

然而，觸發記憶體洩漏的行為，如競爭條件，需要開發人員將開發元件和業務規則結合起來。設想乙個需要手動觸發重新整理的資料佇列。結果，我們在推送資料時忘記呼叫它。這種記憶體洩漏無法通過任何常規檢查規則來識別。

關鍵字函式是為了更形象地說明傳入引數的位置和具體用法。如果乙個函式有四個或五個引數，而且一次傳入的引數太多，那麼很難讓人眼花繚亂。如果key=value用於傳入。

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**流和執行不同**。for/while和如何定義函式有兩種不同的迴圈方法，包括函式的返回值和引數傳遞方法、position引數傳遞和向函式傳遞引數時的key=value引數傳遞。

本文標題: python流程控制常用工具詳解

本文位址:

Python流程控制常用工具詳解

Python常用工具PyCharm

SEO常用工具

SQL 常用工具

Python流程控制常用工具詳解

Python常用工具PyCharm

SEO常用工具

SQL 常用工具

相關推薦