记录特殊情况的Python脚本的内存异常与处理

问题

Python 脚本使用 requests 模块做 HTTP 请求，验证代理 IP 的可用性，速度等。设定 HTTP 请求的 connect timeout 与 read response timeout 均为 3 秒，allow_redirects 设定为 False。Linux shell 启动 10 个 Python 进程持续从 Redis 队列中读取数据。监控软件持续获取进程内存信息。多个小时之后出现，极个别进程内存占用量暴增，其余进程内存均处于正常且相等的水平。

脚本分析

猜测 Python 脚本出现内存过大问题的可能原因：

重复，相互引用
重复实例化
打开文件数量过多，并且未释放

针对上面猜测的检查方案：

print 打印主函数中的每个对象，在 while 循环中，被引用的次数。结果：无重复引用。
memory_profiler 与 objgraph 模块输出主函数内存使用情况，连续测试 10K 条IP，未发现内存爆增问题
lsof 命令对比异常进程与正常进程打开的文件对比，结果：打开文件相同，没有异常。

外部分析

外部分析工具：

strace 跟进进程调用系统调用
lsof 检查进程的开发的句柄，包括文件，网络连接等
tcpdump 抓包，进程网络连接等数据包。

首先 strace 跟踪 Python脚本的系统调用。

正常进程的系统调用是这样的：

gettimeofday({1472383894, 582049}, NULL) = 0

socket(PF_INET, SOCK_STREAM, IPPROTO_TCP) = 4

fcntl(4, F_GETFL) = 0x2 (flags O_RDWR)

fcntl(4, F_SETFL, O_RDWR|O_NONBLOCK) = 0

connect(4, {sa_family=AF_INET, sin_port=htons(7777), sin_addr=inet_addr("123.57.190.51")}, 16) = -1 EINPROGRESS (Operation now in progress)

poll([{fd=4, events=POLLOUT}], 1, 3000) = 1 ([{fd=4, revents=POLLOUT|POLLERR|POLLHUP}])

getsockopt(4, SOL_SOCKET, SO_ERROR, [111], [4]) = 0

close(4) = 0

stat("/etc/localtime", {st_mode=S_IFREG|0644, st_size=414, ...}) = 0

select(0, NULL, NULL, NULL, {1, 0}) = 0 (Timeout)

stat("/root/.netrc", 0x7ffd418e1fe0) = -1 ENOENT (No such file or directory)

stat("/root/_netrc", 0x7ffd418e1fe0) = -1 ENOENT (No such file or directory)

异常进程的系统调用是这样的：

gettimeofday({1472384309, 884266}, NULL) = 0

poll([{fd=4, events=POLLIN}], 1, 3000) = 1 ([{fd=4, revents=POLLIN}])

recvfrom(4, "\22\4p\327\252\313\5opera\20\4x\244)\303\5opera\21\4r}?\265\5o"..., 3907, 0, NULL, NULL) = 1448

gettimeofday({1472384310, 89236}, NULL) = 0

poll([{fd=4, events=POLLIN}], 1, 3000) = 1 ([{fd=4, revents=POLLIN}])

recvfrom(4, "\247p\364\0%\4ry\353\355\4jake\22\4p\327\227b\5opera\22\4\312C("..., 2459, 0, NULL, NULL) = 506

异常进程无休止的系统调用 poll 获取数据，开辟内存使用。初步猜测，TCP连接上有问题。

第二步 lsof 查看异常进程建立的网络连接。

python 12245 root 4u IPv4 9012524 0t0 TCP 10.0.21.226:54452->s30-06-09.opera-mini.net:9000 (ESTABLISHED)

根据 Python脚本的设定，HTTP请求，连接超时(connect timeout)与读取回复超时 (read response timeout) 都是 3 秒。也就是说一般情况，进程不应该对这个IP（域名）连接了。

在6秒之后，在此查看该进程的 tcp连接，发现已然与此IP建立连接。

思考：为什么 Python requests 模块设定的超时时间无效？

第三步 tcpdump 抓去这个异常进程正在连接的的数据包。

tcpdump -i eth0 host 107.167.113.32 tcp port 9000 -w /tmp/connect.log

tcpdump 抓到的数据包扔到 WireShake 打开分析。

TCP标志位：ACK 与 PSH。（传输数据）

持续观察之后，确定为特殊IP的特殊端口，在TCP建立连接之后，回传送大量垃圾无用数据。导致极个别进程出现内存异常问题。

另外由于 TCP 层持续传送数据，经过测试，无论是 urllib2 还是 requests 的超时时间设定对此类问题均无效。

处理方案

思考：

由于是 TCP 层的连接问题，HTTP层的超时时间对此无效，需要外部对每次多 HTTP 连接作超时处理。
此脚本行为更多占用的系统 IO 而非 CPU 计算，多进程方案会占用很多内存，Python多线程存在 GIL 问题

方案：

协程
gevent 模块
gevent.with_timeout(seconds=15, function=worker)
协程池

from gevent.pool import Pool

worker_poll = Pool(10) # 最大协程数 10