Python中内存泄漏的单元测试

有没有办法在Python中运行内存泄漏单元测试？我已经编写了一些C++绑定代码，并希望确保它不会泄漏内存。 例如，我希望进行如下测试：

memory_usage_0 = 0
memory_usage_1 = 0
memory_usage_0 = get_memory_usage()
do_cpp_bound_operation()
memory_usage_1 = get_memory_usage()
assert memory_usage_0 == memory_usage_1

---

如果您愿意让单元测试变得缓慢，下面是一种基于您的编码示例的尝试方法：

将代码片段更改为如下所示：

gc.collect()
callCppCoreGenerationFunction()
do_cpp_bound_operation()
gc.collect()
callCppCoreGenerationFunction()
compareCores()

你的CalcppPoCeEngEngult函数可以调用一个C或C++函数，它就像一个新进程一样简单，并且让孩子自己杀死，例如，让子引用一个空指针。关键是要做到简单，因为您不希望该函数在核心生成期间执行额外的python分配，从而弄脏了局面

这里要讨论的关键部分是compareCores（）。为此，您可以使用分叉进程的标准python代码，因为您已经有了要比较的内核，并且不需要担心结果会失真。例如，您可以使用一个shell脚本来计算您的答案

现在的问题是shell脚本中应该包含什么。它应该做的第一件事是按创建顺序列出核心，以便您可以比较最近的两个。然后在chap中打开每个核心（可从获取的开源软件）。对于每个core，应在chap中打开它，并从chap提示符运行以下命令：

count leaked

这看起来像这样，将捕获泄漏的本机分配对象和一些（但肯定不是全部）泄漏的python对象

chap> count leaked
0 allocations use 0x0 (0) bytes.

该特定命令非常可靠，因为chap旨在避免泄漏的误报。因此，您甚至可以在两个内核中的第二个上运行此操作，而这样的检查根本不需要第一个内核。如果您确实发现泄漏，则可以使用其他chap命令来分析泄漏，但如果您只想知道是否存在此类泄漏，而不想知道原因，那么计数就足够了

describe used

这将描述所有已分配但未释放的分配（python和本机）。它的输出看起来像这样，但有更多的行：

Anchored allocation at 7f505b117630 of size 40
This allocation matches pattern ContainerPythonObject.
This has a PyGC_Head at the start so the real PyObject is at offset 0x10.
This has reference count 1 and python type 0x903f20 (dict)

Anchored allocation at 7f505b117670 of size 40
This allocation matches pattern ContainerPythonObject.
This has a PyGC_Head at the start so the real PyObject is at offset 0x10.
This has reference count 1 and python type 0x8fd660 (list)

Anchored allocation at 16f8a80 of size 238
This allocation matches pattern SimplePythonObject.
This has reference count 1 and python type 0x7f5e824cdfe0 (str)
This has a string of length 512 starting with
"bytearray(iterable_of_ints) -> bytearray
bytearray(string, encoding[, errors]".

在该输出中，%SimplePythonObject”是一些python对象，如不引用其他python对象的str，“%ContainerPythonObject”是可以引用其他python对象的python对象，因此要接受垃圾收集

注意，给出了每个对象的Python引用计数。这意味着，在回答关于检查C++代码是否已经完成引用计数不正确的问题时，这将反映在输出文件中给定对象的引用计数的变化中。因此，错误仅限于单个引用CU。可能导致泄漏的nt错误可以通过这种方式捕获

---

%SimplePythonObject通常可以被检测为泄漏，只需对一个核心使用“count leaked”，只要没有分配（python或本机或…）仍然引用它，而是使用比较“descripe”的输出“更通用，并为您的用例提供更好的覆盖范围。

您不必担心Python中的内存泄漏，内存是可管理的。我已经创建了一个C扩展，但我想确保引用计数（如中所示）正确。您可以始终在valgrindI下运行脚本。我不太了解valgrindI，但它似乎不容易被做成一个单元测试AFAICT。这可能是真的