服务跑了一个月突然OOM重启后内存又慢慢涨上去——直到我在火焰图上看到两个相亲相爱的类互相搂着脖子不撒手。 这是去年我们团队处理的一个真实生产问题一个本该被垃圾回收的对象因为循环引用成了内存泄漏的钉子户。当优雅的GC遇到了死循环我们的大数据预处理服务用Python实现每天处理约2TB的日志。最初运行良好直到某次迭代后worker节点内存开始以每天5%的速度增长。用objgraph抓取内存快照时发现了这样一对神仙眷侣class Processor: def __init__(self): self.cache CacheManager(self) # 把自己传给CacheManager class CacheManager: def __init__(self, processor): self.processor processor # 反向持有Processor引用这形成了典型的循环引用链Processor → CacheManager → Processor。你以为GC会处理天真了。在默认的CPython引用计数机制下这两个对象的引用计数永远不会归零——即便外部已经没有任何对它们的引用。为什么引用计数在这里失灵了Python的GC其实有三道防线引用计数立即回收标记-清除处理循环引用分代回收性能优化问题出在标记-清除的触发条件上。只有当对象数量超过阈值时才会启动而我们的服务配置了过大的gc.set_threshold()参数700,10,10。更糟糕的是这两个类还定义了del方法——这会让GC即便发现循环引用也无法确定清理顺序最终选择放弃回收。用以下代码验证import gc gc.set_threshold(700, 10, 10) # 业务代码里的错误配置 class Leaky: def __del__(self): print(假装我在做重要清理) a Leaky() b Leaky() a.ref b b.ref a # 形成循环引用 del a, b # 删除所有外部引用 print(gc.collect()) # 返回4回收了4个对象 print(gc.garbage) # 却看到了那两个Leaky实例从内存泄漏到服务崩溃压测数据显示同样处理100万条数据无循环引用时内存稳定在1.2GB有循环引用时内存线性增长到3.7GB后触发OOM用tracemalloc定位到这些僵尸对象平均每个占用248字节。看起来不大但每天5000万的日志处理量三个月后就是5000万248字节90天 ≈ 10TB的泄漏量——实际上因为Python对象的内存碎片问题真实消耗还要更大。破局如何优雅地分手错误做法粗暴地用gc.collect()手动回收。我们在测试环境验证过频繁调用会导致处理耗时从平均200ms暴涨到800ms。正确解法需要组合拳打破强引用链最根本的解决方案# 修改CacheManager实现 class CacheManager: def __init__(self, processor): self._processor weakref.ref(processor) # 弱引用替代强引用移除del方法改用显式的.close()with Processor() as processor: # 业务代码调整GC阈值经过压测后的推荐值gc.set_threshold(50, 5, 5) # 更频繁的触发标记-清除资深工程师的避坑清单别过度依赖del它会让GC对循环引用束手无策改用上下文管理器才是王道警惕双向绑定任何两个类互相持有引用时立刻考虑用weakref或中介者模式重构监控GC行为在生产环境定期检查gc.get_count()和gc.get_stats()压测要包含长期运行内存泄漏往往在运行几天后才显现第三方库也可能埋雷特别是那些提供魔法方法的库务必检查其生命周期管理现在我们的服务能稳定运行数月不重启。但每次看到weakref.proxy的调用都会想起那个凌晨三点在服务器上拼命跑heapy的夜晚。你们团队是怎么处理Python内存管理的遇到过更刁钻的循环引用场景吗