SQLAlchemy吃RAM

Question

我正在尝试使用Python处理它后将一些XML数据导入我的MySQL数据库。 为了简单起见，我在一个使用SQLAlchemy访问我的数据库的脚本中完成所有操作。

XML文件有大约80,000个条目，我使用xml.etree.cElementTree的iterparse方法处理它，并在使用它们之后删除节点，以使我的内存使用量保持在iterparse左右。

一旦我包含SQLAlchemy并开始向数据库添加内容，我的内存使用量每秒增加大约10mb，直到脚本耗尽了我的所有内存并且操作系统将其杀死。

这基本上是我的代码的样子：

index = 0

for element in iterate_xml():
    ...

    index += 1

    session.add(Model(**data))

    if index % 1000 == 0:
        session.flush()
        session.commit()

我不知道还有什么可以尝试的。 定期的.flush()和.commit()确实有所帮助，但它们无法解决问题。

SQLAlchemy不适合执行此任务吗？

---

我像这样设置SQLAlchemy：

Base = declarative_base()
engine = create_engine(config.SQLALCHEMY_DATABASE_URI, echo=False)

Session = sessionmaker(bind=engine, autoflush=False, expire_on_commit=False)
session = Session()

我的表看起来像这样：

columns = []

for name, datatype in structure.iteritems():
    if isinstance(datatype, int):
        datatype = String(datatype or 20)

    column = Column(name, datatype)
    columns.append(column)

metadata = MetaData(bind=engine)
table = Table('table_name', metadata,
    Column('id', Integer, primary_key=True),
    *columns
)

metadata.drop_all(engine)
metadata.create_all(engine)

class MyTable(Base):
    __tablename__ = 'table_name'
    __table_args__ = {
        'autoload': True,
        'autoload_with': engine
    }

structure是一个将列名映射到数据类型的字典（它是从XML生成的）：

structure = {
    'column_name': SQLAlchemyDataType,
    ...
}

Answer 1

这是代码的SQLAlchemy版本。 在0.7和0.8的测试中，它不泄漏任何内存，这对我来说并不意外，因为我们在持续集成下进行了十几次测试，以确保在许多情况下没有任何泄漏。 因此，第一步是确认此脚本不会泄漏，然后尝试找出此脚本与您之间的更改，以生成实际显示泄漏内存的测试用例。

from sqlalchemy import Column, String, Integer, create_engine
from sqlalchemy.orm import Session
from sqlalchemy.ext.declarative import declarative_base

Base = declarative_base()

class Model(Base):
    __tablename__ = "a"

    id = Column(Integer, primary_key=True)
    data = Column(String)

e = create_engine("sqlite:///somefile.db")

Base.metadata.create_all(e)

session = Session(e)

for index in xrange(10000000):
    session.add(Model(data="data %d" % index))

    if index % 1000 == 0:
        print "flushing... %d" % index
        session.flush()
        session.commit()

当然，重要的是要注意SQLAlchemy过去泄露内存的那些问题。 这是最近修复的泄漏历史：

0.7.8 - 最近的。 此处修复的泄漏仅在以下情况下发生：1。C扩展，2。pyodbc驱动程序，在某些结果获取操作期间（并非所有这些操作）

0.6.6 - C扩展中的“十进制”结果处理器有泄漏。

0.6.6 - 如果用于以某种方式选择行，则SQLSoup扩展被识别为具有潜在泄漏（SQLSoup现在是它自己的项目）

0.5.5 - 当对象被打开并放回会话时固定潜在的内存泄漏

0.5.4 - 对会话的内存使用进行了重大改进。 你肯定想要超越这个版本。