Python流程控制经常使用工具和函数定义

在咱们的工做中，咱们使用ddagent ver。5做为收集工具，收集和报告托管服务器的性能指标，并对ddagent进行必定程度的定制。通过屡次功能迭代，发现一批在线运行时间长的托管服务器占用了太多内存。分析问题机器上进程树中每一个节点的占用状况，能够看出ddagent集合进程的内存占用仍然很高。

咱们将学习最基本的流程控制工具，好比

• if 条件判断
• for 循环
• while 循环

做为保证业务系统稳定运行的监控组件，存在内存泄漏，这天然是很是严重的，因此咱们开始了咱们的“故障排除之旅”。

if-elif-else 判断

分析

有不少工具能够分析和导出Python程序的内存状态。在这里，咱们使用pyrasite，它能够附加到正在运行的Python程序，生成内存快照，并检查当前哪些对象类型占用了多少内存，并从大到小排序。

使用命令很是简单： pyrasite-memory-viewer <PID> ，同时会生成一份快照文件： /tmp/pyrasite-<PID>-objects.json 。

因为没法提供真实的生产数据，下面提到的全部数据都来自问题版本在测试环境中运行12小时后的采样。

在pyrasite提供的Cui视图中，咱们能够清楚地看到字典类型的对象实例占用的内存最多，达到3.4mb，有6621个实例：

 

 while 循环

While循环也是一种常见的循环方式。这种循环一般以循环体类或条件方式结束。它不可能无限期地进行下去。

 

 对于泄漏状况，咱们有如下事实和猜想：

• 一个或多个位置持续建立空字典对象，而且没法回收它们，从而致使内存泄漏
• 内存泄漏量随时间而增长。在索引收集业务中，泄漏极可能是在每一个收集过程当中引发的，并在间隔期以后重复触发
• 咱们看不到当前依赖的ddagent版本存在还没有关闭的相关问题，这多是在咱们的定制过程当中引入的错误

[
  [
    [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"],
    [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"],
    [".../modules/monitor/bot/schedule.py",51,"run","task.run()"],
    [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"],
    [".../modules/monitor/bot/task.py",18,"run","self.check()"],
    [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"],
    [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"],
    [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"],
    [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"]
  ],
  [
    [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"],
    [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"],
    [".../modules/monitor/bot/schedule.py",51,"run","task.run()"],
    [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"],
    [".../modules/monitor/bot/task.py",18,"run","self.check()"],
    [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"],
    [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"],
    [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"],
    [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"]
  ],
  [
    [".../embedded/lib/python2.7/threading.py",774,"__bootstrap","self.__bootstrap_inner()"],
    [".../embedded/lib/python2.7/threading.py",801,"__bootstrap_inner","self.run()"],
    [".../modules/monitor/bot/schedule.py",51,"run","task.run()"],
    [".../modules/monitor/bot/task.py",50,"run","super(RepeatTask, self).run()"],
    [".../modules/monitor/bot/task.py",18,"run","self.check()"],
    [".../modules/monitor/checks/collector.py",223,"wrapper","_check.run()"],
    [".../modules/monitor/checks/__init__.py",630,"run","self._roll_up_instance_metadata()"],
    [".../modules/monitor/checks/__init__.py",498,"_roll_up_instance_metadata","dict((k, v) for (k, v) in self._instance_metadata))"],
    [".../modules/monitor/tracer.py",33,"__init__","self.trace_info = traceback.extract_stack()"]
  ],
...

重播

咱们不提“作好设计审查和规范审查”、“增强试验阶段质量检验工做”等“老生常谈”，也值得咱们反思。

要完全防止和控制内存泄漏几乎是不可能的，像rust这样的安全编程语言也不能保证程序不会泄漏内存。

许多引起内存不安全的行为，如数组访问越界、访问释放后的内存等，均可以经过制定更严格的编程模型（如rust提出的全部权+生命周期规则）甚至数据竞争问题来避免。

然而，触发内存泄漏的行为，如竞争条件，须要开发人员将开发组件和业务规则结合起来。设想一个须要手动触发刷新的数据队列。结果，咱们在推送数据时忘记调用它。这种内存泄漏没法经过任何常规检查规则来识别。

关键字函数是为了更形象地说明传入参数的位置和具体用法。若是一个函数有四个或五个参数，并且一次传入的参数太多，那么很难让人眼花缭乱。若是key=value用于传入。

总结

经过本节的学习，咱们了解了经过if else在不一样条件下控制代码流和执行不一样代码。for/while和如何定义函数有两种不一样的循环方法，包括函数的返回值和参数传递方法、position参数传递和向函数传递参数时的key=value参数传递。