← 返回

Django 記憶體分析：逐個物件剖析執行中應用的記憶體佔用（使用 OpenResty XRay）

章亦春釋出於 Oct 11, 2023 更新於 Aug 11, 2026

預計閱讀 6 分鐘

閱讀次數

要剖析一個 Django 應用的記憶體使用，只需把 OpenResty XRay 掛接到正在執行的、未經修改的 Python 程序上——無需改動任何程式碼——它就會生成一張 Python GC 物件記憶體分佈火焰圖，精確展示記憶體究竟消耗在哪裡，細到某個模組的快取字典這樣的單個物件。本教程將一步步演示如何對一個未經修改、佔用 86 MB 記憶體的 Django 程序做這樣的分析。藉助 OpenResty XRay 自動推匯出的詳細資料引用路徑，您可以細緻地檢查任何一個 Python 物件，比如某個字串或字典。

用 `ps` 找出記憶體佔用高的 Django 程序

執行 ps aux | grep python3 列出所有 Python 程序。其中有一個 python3 manage.py runserver 程序格外顯眼，佔用了約 86 MB 的常駐記憶體（RSS）——而且它就是 Linux 發行版自帶的標準 /bin/python3 二進位制檔案，未經任何修改。

用引導式分析剖析 Django 應用的記憶體使用

開啟 OpenResty XRay 的 Web 控制檯，確認選中的是正確的機器，然後進入 Guided Analysis（引導式分析）頁面，在這裡可以從 OpenResty XRay 能夠診斷的問題型別中進行選擇。

選擇 High memory usage（高記憶體佔用），再選中這個 Python Django 應用以及 ps 標記出的那個子程序（也就是佔用 84 MB RSS 的那個），保持 Python 和 C/C++ 兩個語言級別都選中，並使用預設的 300 秒上限開始分析。經過一兩輪分析後，OpenResty XRay 會自動生成一份報告。在 Python-Land（Python 層）下，它給出了 GC 物件記憶體分佈中排名第一的最熱資料引用路徑：一個佔用 38.27 MB 的 dict，透過直譯器的 .modules 到達。

這條資料引用路徑告訴我們，直譯器載入的 Python 模組一共佔用了 38MB 的記憶體。

點選 “More” 檢視細節資訊。

這條資料引用路徑是從這個 Python GC 物件記憶體分佈火焰圖中自動推匯出來的。

下面是對當前問題更詳細的解釋和建議。

它提到了 .modules。

並提到它包含了所有與 Python 模組相關的內容。

接下來，我們放大火焰圖，找出哪些 Python 模組佔了較多記憶體。

可以看到這裡有 1521 個 Python 模組被合併在一起。其中每一個模組都只佔用了不到 1% 的記憶體。

這個模組佔用了較多記憶體。我們可以點選它進行放大，檢視更多的細節。

這裡我們可以看到 openpyxl.utils.cell 模組佔用了超過 2.6MB 的記憶體。openpyxl 是一個處理 Excel 檔案的 Python 庫。

複製模組名。

現在開啟終端，使用 find 命令，在專案目錄中搜尋這個模組對應的原始碼檔案。專案目錄是 Python 模組安裝路徑的根目錄。

貼上我們剛剛複製的模組名。

這裡我們把模組名中的圓點當作 grep 命令的萬用字元使用。

複製這條完整的檔案路徑。

使用 vim 編輯器開啟原始檔，檢視這個檔案裡的 Python 實現程式碼。您可以使用任何您喜歡的編輯器。

返回火焰圖。

openpyxl 模組定義了兩個字典，_COL_STRING_CACHE 和 _STRING_COL_CACHE。它們用於在 Excel 單元格座標和列名之間進行轉換。這兩個變數佔用了較多的記憶體。

複製第一個變數的名字。

然後搜尋 _COL_STRING_CACHE，就可以找到這個物件。我們還可以找到這個檔案中所有使用這個變數的地方。

_STRING_COL_CACHE 變數也可以透過同樣的方法找到。

我們還可以用類似的方法分析火焰圖上其他佔用記憶體較多的模組。

比如說 linecache 模組。這是一個快取檔案內容的 Python 標準模組。它佔用了 648KB 的記憶體。

它有一個叫做 cache 的變數，使用了很多記憶體。

Python 使用 Libc 分配器和 mmap 系統呼叫來分配記憶體。報告顯示，Libc 分配器使用了 18.7MB 的記憶體。

透過 OpenResty XRay 產品提升您應用的效能

用 Insights 自動監控 Django 記憶體使用

OpenResty XRay 還可以自動監控線上程序並展示分析報告。在 Insights 頁面上，您可以找到以日和周為週期的報告——它們給出的記憶體引用路徑和分佈與前面相同，而無需手動執行引導式分析。當然，引導式分析在應用的開發和演示場景中仍然很有用。

常見問題

如何在不改動程式碼的情況下剖析 Django 應用的記憶體使用？

把 OpenResty XRay 掛接到已經在執行的、未經修改的 Python 程序上，然後啟動一次引導式分析。它會實時讀取該程序，因此您無需編輯、插樁或重新部署 Django 應用。分析結果是一份報告和一張火焰圖，展示記憶體去了哪裡，細到單個 Python 物件。

Django 應用中哪個 Python 模組佔用記憶體最多？

放大 GC 物件記憶體分佈火焰圖，即可按大小對各模組排序。在本例中，openpyxl.utils.cell 模組在其 _COL_STRING_CACHE 和 _STRING_COL_CACHE 兩個字典中佔用了超過 2.6 MB，標準模組 linecache 則在其快取檔案內容的 cache 字典中保留了 648 KB。

甚麼是 Python GC 物件記憶體分佈火焰圖？

這是一種由 OpenResty 發明的火焰圖，它按照每個 Python 垃圾回收物件所佔的記憶體大小、以及它所在的資料引用路徑來展開排列。OpenResty XRay 會自動生成並解釋這張圖，因此您可以把一個字串或字典追溯回保留它的那個模組。

為甚麼一個不大的 Django 程序會佔用這麼多記憶體？

其中很大一部分來自直譯器本身：已載入 Python 模組的 .modules 登錄檔佔用了 38 MB（僅 1521 個模組物件本身就合計 13.7 MB），而各個模組級別的快取——比如 openpyxl 的快取字典——又在此基礎上疊加了更多。火焰圖會把每一 MB 都歸因到某個具體物件，讓您看清哪些記憶體值得削減。

關於 OpenResty XRay

OpenResty XRay 是一個動態追蹤產品，它可以自動分析執行中的應用程式，以解決效能問題、行為問題和安全漏洞，並提供可行的建議。在底層實現上，OpenResty XRay 由我們的 Y 語言驅動，可以在不同環境下支援多種不同的執行時，如 Stap+、eBPF+、GDB 和 ODB。

立即申請 OpenResty XRay 試用

關於作者

章亦春是開源 OpenResty^® 專案創始人兼 OpenResty Inc. 公司 CEO 和創始人。

章亦春（Github ID: agentzh），生於中國江蘇，現定居美國灣區。他是中國早期開源技術和文化的倡導者和領軍人物，曾供職於多家國際知名的高科技企業，如 Cloudflare、雅虎、阿里巴巴, 是 “邊緣計算“、”動態追蹤 “和 “機器程式設計 “的先驅，擁有超過 22 年的程式設計及 16 年的開源經驗。作為擁有超過 4000 萬全球域名使用者的開源專案的領導者。他基於其 OpenResty^® 開源專案打造的高科技企業 OpenResty Inc. 位於美國矽谷中心。其主打的兩個產品 OpenResty XRay（利用動態追蹤技術的非侵入式的故障剖析和排除工具）和 OpenResty Edge（最適合微服務和分散式流量的全能型閘道器軟體），廣受全球眾多上市及大型企業青睞。在 OpenResty 以外，章亦春為多個開源專案貢獻了累計超過百萬行程式碼，其中包括，Linux 核心、Nginx、LuaJIT、GDB、SystemTap、LLVM、Perl 等，並編寫過 60 多個開源軟體庫。