内容摘要：如果大家在 Linux 或者 macOS 下面运行一段可能导致内存泄露的程序，那么你可能会看到下面这样的情况：而如果你用的系统是 Windows，那么可能电脑直接就卡死了。但是，调试这种 OOM(Ou

 

如果大家在 Linux 或者 macOS 下面运行一段可能导致内存泄露的何调程序，那么你可能会看到下面这样的序的泄露情况：

而如果你用的系统是 Windows，那么可能电脑直接就卡死了。内存

但是问题，调试这种 OOM(Out of Memory)的何调问题有时候是非常困难的，因为你不知道代码哪个地方会导致内存泄露。序的泄露但是内存如果你运行程序进行调试，程序又会中途被杀掉或者直接卡死系统。问题

如果我们有办法看到程序里面每一个函数占用的何调内存大小，那么我们就能缩小检查的序的泄露范围。云服务器

为了实现这个目的内存，我们可以安装并使用一个叫做filprofiler的问题第三方库，它可以分析 Python 程序的何调内存占用情况。

我们先安装这个库：

pip install filprofiler 

然后写一段会导致内存泄露的序的泄露代码：

def func_a():     print(我是一个正常的函数) def func_b():     print(我是第二个正常的函数) def func_b():     print(我是第三个正常的函数) def func_oom():     print(我是一个会导致内存泄露的函数)     datas = []     while True:         datas.append(s * 1024 * 1024)     print(运行程序的时候，你不会看到这一行) def run():     func_a()     func_b()     func_oom() run() 

这段程序直接运行会因为内存泄露的内存问题被系统直接杀死。

在使用filprofiler之前，还需要调整一下虚拟内存的大小。服务器托管否则，filprofiler本身也会因为占用内存过大的问题而被系统杀掉。

先使用free命令看一下系统可用的内存有多少：

系统可用内存为1619456 KB

我们使用ulimit命令，把程序能够使用的内存稍稍调低一些，这样即使被占满，也不会被系统杀死：

ulimit -Sv 1600000 

然后，使用 filprofiler 来运行这个程序：

fil-profile run test.py 

运行效果如下图所示：

filprofiler 会在当前文件夹下面生成一个fil-result文件夹，在里面会有一个以时间命名的文件夹，文件夹中会有两个svg文件，如下图所示：

我们使用浏览器打开其中的out-of-memory.svg文件，可以看到如下图所示的内存占用图：

从图中可以看到，占用内存最大的函数是func_oom，程序也是在这个地方崩溃的。网站模板