我有一个运行了一系列的实验，没有打算将数据从一个存储测试到另一个Python程序。 我的代码中包含了内存泄漏对此我完全找不到（我看其它线程内存泄漏）。 由于时间的限制，我不得不放弃寻找泄漏，但如果我能每个实验隔离，该程序可能会运行足够长的时间来产生我需要的结果。
具体情况详细
更新
Gnibbler的回答实际上已经让我发现，其中存储所有每次计算中使用的数据我ClosenessCalculation对象没有被杀死。 然后我用的是手动删除一些链接，这似乎有固定的内存问题。
您可以使用这样的事情来帮助跟踪内存泄漏
>>> from collections import defaultdict
>>> from gc import get_objects
>>> before = defaultdict(int)
>>> after = defaultdict(int)
>>> for i in get_objects():
... before[type(i)] += 1
...
现在假设测试泄密一些内存
>>> leaked_things = [[x] for x in range(10)]
>>> for i in get_objects():
... after[type(i)] += 1
...
>>> print [(k, after[k] - before[k]) for k in after if after[k] - before[k]]
[(<type 'list'>, 11)]
11，因为我们已经泄漏含10多个列表一个列表
线程不会帮助。 如果你必须放弃在发现泄漏，那么唯一的解决办法，以遏制其效果是在同时运行一个新的进程一次（例如，当测试已经离开整体的内存消耗太高，自己的喜好-可以判断VM大小轻松阅读/proc/self/status在Linux中，和其他类似的方法对其他操作系统的）。
确保整个脚本有一个可选的参数来告诉它的测试号（或其他测试识别）从启动，这样当该脚本的一个实例决定它占用了太多的内存，它可以告诉它的后继者从哪里重新开始。
或者，更扎实，确保每个测试完成它的标识被附加到某些文件，一个众所周知的名字。 当程序启动时，它首先读取该文件，从而知道哪些测试已经运行。 这种体系结构是更加牢固，因为它也包括其中测试期间程序崩溃的情况下; 当然，要完全自动从这样的崩溃恢复，你需要一个独立的监督程序和流程，负责启动测试程序的一个新的实例时，它决定了前一个已崩溃（它可以使用subprocess为宗旨 - 它也需要一种方法来告诉序时完成，从测试程序如正常的退出可能意味着，虽然任何崩溃或退出一个状态= 0表示需要启动一个新的新鲜实例）！
如果这些架构提出上诉，但您需要执行这些进一步的帮助，只是发表评论这个答案，我会很乐意提供示例代码 - 我不想做“先发制人”的情况下，有作为的尚未表达出来的问题使该架构不适合你。 （这也可能有助于知道你需要运行哪些平台）。
我有同样的问题与第三方C库这是漏水。 我能想到的最清洁的工作，周围是叉子和等待。 它的好处是，你甚至不必每次运行后创建一个单独的进程。 您可以定义批处理的大小。
这里有一个通用的解决方案（如果你发现泄漏，你需要做的唯一改变是改变run（）的调用run_single_process（）而不是run_forked（），你会做）：
import os,sys
batchSize = 20
class Runner(object):
def __init__(self,dataFeedGenerator,dataProcessor):
self._dataFeed = dataFeedGenerator
self._caller = dataProcessor
def run(self):
self.run_forked()
def run_forked(self):
dataFeed = self._dataFeed
dataSubFeed = []
for i,dataMorsel in enumerate(dataFeed,1):
if i % batchSize > 0:
dataSubFeed.append(dataMorsel)
else:
self._dataFeed = dataSubFeed
self.fork()
dataSubFeed = []
if self._child_pid is 0:
self.run_single_process()
self.endBatch()
def run_single_process(self)
for dataMorsel in self._dataFeed:
self._caller(dataMorsel)
def fork(self):
self._child_pid = os.fork()
def endBatch(self):
if self._child_pid is not 0:
os.waitpid(self._child_pid, 0)
else:
sys.exit() # exit from the child when done
这种隔离内存泄漏子进程。 它永远不会比BATCHSIZE变量的值泄漏多次。
我只想重构实验成单独的功能（如果不喜欢的话），然后接受它调用一次实验功能的命令行的实验数量。
刚刚bodgy一个shell脚本如下：
#!/bin/bash
for expnum in 1 2 3 4 5 6 7 8 9 10 11 ; do
python youProgram ${expnum} otherParams
done
这样一来，你可以离开大部分代码原样，这将清除出你认为你在每个实验之间的任何内存泄漏。
当然，最好的办法是经常发现和解决问题的根本原因，但是，正如你已经指出，这不是一个选择。
虽然这是很难想象在Python内存泄漏，我要在那一个你的话 - 你可能要至少认为你错在那里的可能性，但是。 考虑提高在一个单独的问题，值得我们能够在低优先级上工作（而不是这种速战速决的版本）。
更新：因为这个问题使社区维基已经从原来的有所改变。 我删除了答案，但一个事实，我仍然认为这是有益的 - 你可以做同样的实验亚军，我提出了bash脚本，你只需要确保实验是独立的进程，使内存泄漏不发生（如果内存泄漏的亚军，你将不得不做的根本原因分析和正确修复bug）。
