← 返回

Django 内存分析：逐个对象剖析运行中应用的内存占用（使用 OpenResty XRay）

章亦春发布于 Oct 11, 2023 更新于 Aug 11, 2026

用时 6 分钟

阅读次数

要剖析一个 Django 应用的内存使用，只需把 OpenResty XRay 挂接到正在运行的、未经修改的 Python 进程上——无需改动任何代码——它就会生成一张 Python GC 对象内存分布火焰图，精确展示内存究竟消耗在哪里，细到某个模块的缓存字典这样的单个对象。本教程将一步步演示如何对一个未经修改、占用 86 MB 内存的 Django 进程做这样的分析。借助 OpenResty XRay 自动推导出的详细数据引用路径，您可以细致地检查任何一个 Python 对象，比如某个字符串或字典。

用 `ps` 找出内存占用高的 Django 进程

运行 ps aux | grep python3 列出所有 Python 进程。其中有一个 python3 manage.py runserver 进程格外显眼，占用了约 86 MB 的常驻内存（RSS）——而且它就是 Linux 发行版自带的标准 /bin/python3 二进制文件，未经任何修改。

用引导式分析剖析 Django 应用的内存使用

打开 OpenResty XRay 的 Web 控制台，确认选中的是正确的机器，然后进入 Guided Analysis（引导式分析）页面，在这里可以从 OpenResty XRay 能够诊断的问题类型中进行选择。

选择 High memory usage（高内存占用），再选中这个 Python Django 应用以及 ps 标记出的那个子进程（也就是占用 84 MB RSS 的那个），保持 Python 和 C/C++ 两个语言级别都选中，并使用默认的 300 秒上限开始分析。经过一两轮分析后，OpenResty XRay 会自动生成一份报告。在 Python-Land（Python 层）下，它给出了 GC 对象内存分布中排名第一的最热数据引用路径：一个占用 38.27 MB 的 dict，通过解释器的 .modules 到达。

这条数据引用路径告诉我们，解释器加载的 Python 模块一共占用了 38MB 的内存。

点击 “More” 查看细节信息。

这条数据引用路径是从这个 Python GC 对象内存分布火焰图中自动推导出来的。

下面是对当前问题更详细的解释和建议。

它提到了 .modules。

并提到它包含了所有与 Python 模块相关的内容。

接下来，我们放大火焰图，找出哪些 Python 模块占了较多内存。

可以看到这里有 1521 个 Python 模块被合并在一起。其中每一个模块都只占用了不到 1% 的内存。

这个模块占用了较多内存。我们可以点击它进行放大，查看更多的细节。

这里我们可以看到 openpyxl.utils.cell 模块占用了超过 2.6MB 的内存。openpyxl 是一个处理 Excel 文件的 Python 库。

复制模块名。

现在打开终端，使用 find 命令，在项目目录中搜索这个模块对应的源代码文件。项目目录是 Python 模块安装路径的根目录。

粘贴我们刚刚复制的模块名。

这里我们把模块名中的圆点当作 grep 命令的通配符使用。

复制这条完整的文件路径。

使用 vim 编辑器打开源文件，查看这个文件里的 Python 实现代码。您可以使用任何您喜欢的编辑器。

返回火焰图。

openpyxl 模块定义了两个字典，_COL_STRING_CACHE 和 _STRING_COL_CACHE。它们用于在 Excel 单元格坐标和列名之间进行转换。这两个变量占用了较多的内存。

复制第一个变量的名字。

然后搜索 _COL_STRING_CACHE，就可以找到这个对象。我们还可以找到这个文件中所有使用这个变量的地方。

_STRING_COL_CACHE 变量也可以通过同样的方法找到。

我们还可以用类似的方法分析火焰图上其他占用内存较多的模块。

比如说 linecache 模块。这是一个缓存文件内容的 Python 标准模块。它占用了 648KB 的内存。

它有一个叫做 cache 的变量，使用了很多内存。

Python 使用 Libc 分配器和 mmap 系统调用来分配内存。报告显示，Libc 分配器使用了 18.7MB 的内存。

通过 OpenResty XRay 产品提升您应用的性能

用 Insights 自动监控 Django 内存使用

OpenResty XRay 还可以自动监控在线进程并展示分析报告。在 Insights 页面上，您可以找到以日和周为周期的报告——它们给出的内存引用路径和分布与前面相同，而无需手动运行引导式分析。当然，引导式分析在应用的开发和演示场景中仍然很有用。

常见问题

如何在不改动代码的情况下剖析 Django 应用的内存使用？

把 OpenResty XRay 挂接到已经在运行的、未经修改的 Python 进程上，然后启动一次引导式分析。它会实时读取该进程，因此您无需编辑、插桩或重新部署 Django 应用。分析结果是一份报告和一张火焰图，展示内存去了哪里，细到单个 Python 对象。

Django 应用中哪个 Python 模块占用内存最多？

放大 GC 对象内存分布火焰图，即可按大小对各模块排序。在本例中，openpyxl.utils.cell 模块在其 _COL_STRING_CACHE 和 _STRING_COL_CACHE 两个字典中占用了超过 2.6 MB，标准模块 linecache 则在其缓存文件内容的 cache 字典中保留了 648 KB。

什么是 Python GC 对象内存分布火焰图？

这是一种由 OpenResty 发明的火焰图，它按照每个 Python 垃圾回收对象所占的内存大小、以及它所在的数据引用路径来展开排列。OpenResty XRay 会自动生成并解释这张图，因此您可以把一个字符串或字典追溯回保留它的那个模块。

为什么一个不大的 Django 进程会占用这么多内存？

其中很大一部分来自解释器本身：已加载 Python 模块的 .modules 注册表占用了 38 MB（仅 1521 个模块对象本身就合计 13.7 MB），而各个模块级别的缓存——比如 openpyxl 的缓存字典——又在此基础上叠加了更多。火焰图会把每一 MB 都归因到某个具体对象，让您看清哪些内存值得削减。

关于 OpenResty XRay

OpenResty XRay 是一个动态追踪产品，它可以自动分析运行中的应用程序，以解决性能问题、行为问题和安全漏洞，并提供可行的建议。在底层实现上，OpenResty XRay 由我们的 Y 语言驱动，可以在不同环境下支持多种不同的运行时，如 Stap+、eBPF+、GDB 和 ODB。

立即申请 OpenResty XRay 试用

关于作者

章亦春是开源 OpenResty^® 项目创始人兼 OpenResty Inc. 公司 CEO 和创始人。

章亦春（Github ID: agentzh），生于中国江苏，现定居美国湾区。他是中国早期开源技术和文化的倡导者和领军人物，曾供职于多家国际知名的高科技企业，如 Cloudflare、雅虎、阿里巴巴, 是 “边缘计算“、”动态追踪 “和 “机器编程 “的先驱，拥有超过 22 年的编程及 16 年的开源经验。作为拥有超过 4000 万全球域名用户的开源项目的领导者。他基于其 OpenResty^® 开源项目打造的高科技企业 OpenResty Inc. 位于美国硅谷中心。其主打的两个产品 OpenResty XRay（利用动态追踪技术的非侵入式的故障剖析和排除工具）和 OpenResty Edge（最适合微服务和分布式流量的全能型网关软件），广受全球众多上市及大型企业青睐。在 OpenResty 以外，章亦春为多个开源项目贡献了累计超过百万行代码，其中包括，Linux 内核、Nginx、LuaJIT、GDB、SystemTap、LLVM、Perl 等，并编写过 60 多个开源软件库。