PyZMQ中asyncio接收端内存泄漏问题解析
问题现象
在使用PyZMQ的asyncio接口时,当接收端持续不断地接收消息时,会出现内存持续增长的问题。具体表现为接收端进程的内存使用量会快速攀升至数GB,而发送端则保持稳定的内存使用。
问题复现
通过以下代码可以稳定复现该问题:
接收端代码:
import zmq.asyncio, gc, asyncio
async def client():
ctx = zmq.asyncio.Context()
sock = ctx.socket(zmq.PAIR)
sock.setsockopt(zmq.RCVBUF, 1024*10)
sock.setsockopt(zmq.RCVHWM, 1)
sock.connect("ipc:///tmp/memtest")
print("client ready")
i = 0
while True:
data = await sock.recv(copy=True)
print("client recv", i)
del data
gc.collect()
i += 1
asyncio.run(client())
发送端代码:
import zmq.asyncio, asyncio
async def server():
ctx = zmq.asyncio.Context()
sock = ctx.socket(zmq.PAIR)
sock.setsockopt(zmq.SNDBUF, 1024*10)
sock.setsockopt(zmq.SNDHWM, 1)
sock.bind("ipc:///tmp/memtest")
data = b'0'*1000000
print("server ready")
i = 0
while True:
await sock.send(data, copy=True)
print("server send", i)
i += 1
asyncio.run(server())
问题根源分析
这个问题本质上是由asyncio的事件循环机制和PyZMQ的实现方式共同导致的:
-
PyZMQ的优化实现:PyZMQ为了提高性能,直接使用了Future对象而非协程。当socket始终有消息可接收时,这些Future会立即完成。
-
事件循环的调度特性:在Python的asyncio中,Future的回调是通过
call_soon注册的,这意味着它们会在事件循环的下一次迭代中被调用。但是当socket持续有消息时,事件循环永远不会空闲,导致回调无法被执行。 -
内存泄漏机制:每个完成的Future都会保留对消息数据的引用,而由于回调未被调用,这些引用无法被释放,从而导致内存持续增长。
解决方案
- 强制事件循环空闲:在接收循环中定期插入
asyncio.sleep(0),给事件循环执行回调的机会:
async def client():
# ...初始化代码...
i = 0
while True:
data = await sock.recv(copy=True)
if i % 1000 == 0:
await asyncio.sleep(0) # 让事件循环处理回调
print("client recv", i)
del data
i += 1
-
使用同步上下文:如果不必须使用asyncio,可以改用同步的zmq.Context(),这不会出现内存泄漏问题。
-
PyZMQ内部优化:PyZMQ可以避免注册done回调来减少引用保留(已在PR #1929中实现)。
深入理解
这个问题揭示了asyncio编程中一个重要的概念:事件循环饥饿。当某个协程持续占用事件循环而不主动让出控制权时,其他任务(包括回调处理)就会被"饿死"。
在PyZMQ的特定实现中,由于socket始终有消息可接收,Future会立即完成,导致await操作实际上不会让出控制权。这与常规的I/O操作不同,后者通常会涉及真正的等待,从而自然地让出控制权。
最佳实践建议
-
在使用PyZMQ的asyncio接口时,特别是高频率消息场景下,应该定期插入短暂的sleep(0)来确保事件循环的健康运行。
-
对于纯粹的高吞吐量消息处理,考虑使用同步接口可能更为合适,可以避免这类问题。
-
监控内存使用情况,特别是在长时间运行的消息处理服务中,及时发现潜在的内存问题。
这个问题虽然表现为内存泄漏,但本质上是一个事件循环调度问题,理解这一点对于编写健壮的异步IO程序非常重要。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00