为什么我的Python应用程序因“系统”/内核CPU时间而停滞不前

Question

首先，我不确定是否应将此作为Ubuntu问题发布或在此处。 但我猜它更像是一个Python问题，而不是一个OS问题。

我的Python应用程序在64核AMD服务器上运行在Ubuntu之上。 它通过网络从5 GigE摄像机中提取图像，通过ctypes调用.so然后处理它们。 我看到我的应用程序经常暂停，导致相机的帧被外部相机库丢弃。

为了调试这个，我使用了流行的psutil Python包，我在一个单独的线程中每0.2秒注销一次CPU统计数据。 我在该线程中睡眠0.2秒，当睡眠时间长得多时，我也看到相机帧被丢弃。 我看到长达17秒的停顿！ 我的大多数处理是在OpenCV或Numpy（两者都发布GIL）或应用程序的一部分中的multiprocessing.Pool有59个进程（这是为了绕过Python GIL）。

当暂停发生时，我的调试日志记录在我的许多进程'线程上显示非常高的'系统'（即内核）CPU时间。

例如。 我看到CPU时间如下（通常每0.2秒），然后突然大跳（'进程'数字在CPU利用率，即1个CPU完全使用将是1，Linux top显示123％将是1.2）：

Process user | Process system | OS system % | OS idle %
19.9         | 10.5           | 6           | 74 
5.6          | 2.3            | 4           | 87
6.8          | 1.7            | 11          | 75
4.6          | 5.5            | 43          | 52
0.5          | 26.4           | 4           | 90

我不知道为什么在匹配高流程系统使用之前报告一行高OS系统使用情况。 两者相比，64核中的26.4 = 41％。 此时，我的应用程序经历了大约3.5秒的暂停（由我的CPU信息记录线程使用OpenCV的cv2.getTickCount()以及Python日志记录输出中的时间戳跳转确定）导致多个相机帧被丢弃。

发生这种情况时，我还记录了我的进程的每个线程的CPU信息。 对于上面的示例，25个线程在“系统”CPU利用率为0.9时运行，并且在0.6处运行更多，这与上面26.4的进程的总数相匹配。 那时大约有183个线程在运行。

在使用多处理池（它用于短脉冲串）之后，这种暂停通常似乎很接近，但每次使用池时都不会发生。 此外，如果我将需要在池外进行的处理量减半，则不会发生相机跳过。

问题：如何确定操作系统'系统'/内核时间突然出现的原因？ 为什么会在Python应用程序中发生？

更重要的是：任何想法为什么会发生这种情况以及如何避免它？

笔记：

• 这是从upstart以root身份运行的（不幸的是，它不得不用于相机库）
• 当相机关闭时，应用程序重新启动（使用新手中的respawn ）并且这种情况每天发生多次，因此不是由于长时间运行，我也看到这在进程开始后很快发生
• 它是一遍又一遍地运行的相同代码，它不是由于运行我的代码的不同分支
• 目前有一个nice的-2，我已经尝试删除没有影响的nice
• Ubuntu 12.04.5 LTS
• Python 2.7
• 机器有128GB的内存，我不在附近使用

Answer 1

好。 我有自己的问题的答案。 是的，我需要3个多月的时间才能做到这一点。

它似乎是Python中的GIL颠簸，这是大规模“系统”CPU峰值和相关暂停的原因。 这是对颠簸来自何处的一个很好的解释 。 那次演讲也指出了我正确的方向。

Python 3.2 引入了一个新的GIL实现来避免这种颠簸。 结果可以通过一个简单的线程示例显示（摘自上面的演示文稿）：

from threading import Thread
import psutil

def countdown():
    n = 100000000
    while n > 0:
        n -= 1

t1 = Thread(target=countdown)
t2 = Thread(target=countdown)
t1.start(); t2.start()
t1.join(); t2.join()

print(psutil.Process().cpu_times())    

在我的Macbook Pro with Python 2.7.9中，它使用14.7秒的“用户”CPU和13.2秒的“系统”CPU。

Python 3.4使用15.0的'user'（略多）但只有0.2s的'system'。

因此，GIL仍然存在，它仍然只运行与代码是单线程时一样快，但它避免了Python 2的所有GIL争用，表现为内核（'系统'）CPU时间。 我认为，这种争论正是造成原始问题的原因。

更新

发现CPU问题的另一个原因是OpenCV / TBB。 完整记录在这个SO问题中 。