PocketPy 内存泄漏问题分析与修复

问题背景

在 PocketPy 项目（一个轻量级 Python 实现）中，开发者发现当执行大量小型表达式时会出现内存使用量异常增长的问题。具体表现为：循环执行2000万次简单的加法赋值语句（a = a + 1）会导致内存占用超过10GB，这显然不符合预期。

问题分析

初始现象

测试代码非常简单，仅循环执行一个简单的Python表达式：

VM* vm = new VM();
vm->exec("a = 0");
for (int i = 0; i < 200 * 1000 * 1000; ++i) {
    vm->exec("a = a + 1 # 长注释...");
}
delete vm;

内存诊断

通过内存诊断工具发现，主要问题出在PoolExpr内存池上。随着循环次数的增加，PoolExpr的"exceeded"部分持续增长，表明有大量表达式相关的内存未被正确释放。

根本原因

深入分析后发现两个关键问题：

1. GC触发机制不足：PocketPy的垃圾回收器仅在函数调用时触发，而测试代码中没有函数调用，导致内存无法及时回收。

2. 表达式池泄漏：PoolExpr中存在内存泄漏，表达式解析后产生的内存未被正确释放，即使手动调用垃圾回收（vm->heap.collect()）也无法解决。

解决方案

项目维护者实施了以下修复措施：

1. 修复表达式池泄漏：重构了表达式内存管理逻辑，确保表达式解析后相关内存能够被正确释放。

2. 提供内存监控接口：新增Pools_debug_info()函数，允许开发者获取内存池的实时状态信息，便于内存问题诊断。

修复后的内存使用情况明显改善，PoolExpr的"exceeded"部分保持在稳定水平，不再随执行次数增加而增长。

最佳实践建议

对于需要在循环中频繁执行小段Python代码的场景（如游戏开发中的每帧脚本执行），建议：

1. 避免直接循环执行：将需要重复执行的逻辑封装为Python函数，然后在循环中调用该函数。

2. 定期手动GC：如果必须频繁执行小段代码，可定期调用vm->heap.collect()强制垃圾回收。

3. 监控内存使用：利用Pools_debug_info()定期检查内存池状态，及时发现潜在问题。

总结

这次内存泄漏问题的解决展示了PocketPy项目对性能优化的持续关注。通过修复表达式池泄漏和完善内存管理机制，项目在保持轻量级特性的同时，提高了内存使用效率。对于嵌入式脚本引擎开发者而言，这也提醒我们需要特别注意高频小代码块执行场景下的内存管理问题。