摄影：产品经理产品经理中的霸王餐
如果大家在 Linux 或者 macOS 下面运行一段可能导致内存泄露的程序，那么你可能会看到下面这样的情况：
而如果你用的系统是 Windows，那么可能电脑直接就卡死了。
但是，调试这种 OOM（Out of Memory）的问题有时候是非常困难的，因为你不知道代码哪个地方会导致内存泄露。但是如果你运行程序进行调试，程序又会中途被杀掉或者直接卡死系统。
如果我们有办法看到程序里面每一个函数占用的内存大小，那么我们就能缩小检查的范围。
为了实现这个目的，我们可以安装并使用一个叫做filprofiler的第三方库，它可以分析 Python 程序的内存占用情况。
我们先安装这个库：
pip install filprofiler
然后写一段会导致内存泄露的代码：
def func_a(): print('我是一个正常的函数') def func_b(): print('我是第二个正常的函数') def func_b(): print('我是第三个正常的函数') def func_oom(): print('我是一个会导致内存泄露的函数') datas = [] while True: datas.append('s' * 1024 * 1024) print('运行程序的时候，你不会看到这一行') def run(): func_a() func_b() func_oom() run()
这段程序直接运行会因为内存泄露的问题被系统直接杀死。
在使用filprofiler之前，还需要调整一下虚拟内存的大小。否则，filprofiler本身也会因为占用内存过大的问题而被系统杀掉。
先使用free命令看一下系统可用的内存有多少：
系统可用内存为1619456 KB
我们使用ulimit命令，把程序能够使用的内存稍稍调低一些，这样即使被占满，也不会被系统杀死：
ulimit -Sv 1600000
然后，使用 filprofiler 来运行这个程序：
fil-profile run test.py
运行效果如下图所示：
filprofiler 会在当前文件夹下面生成一个fil-result文件夹，在里面会有一个以时间命名的文件夹，文件夹中会有两个svg文件，如下图所示：
我们使用浏览器打开其中的out-of-memory.svg文件，可以看到如下图所示的内存占用图：
从图中可以看到，占用内存最大的函数是func_oom，程序也是在这个地方崩溃的。
