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.它通过调用.so来从网络上的5 GigE摄像机中提取图像ctypes,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psutilPython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确定,cv2.getTickCount()以及Python日志记录输出中的时间戳跳转)导致多个摄像机帧被丢弃.

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:

• 这是以root身份运行的(不幸的是,它不得不用于相机库) upstart
• 当相机关闭时,应用程序重新启动(respawn在upstart中使用)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-2,我试过删除nice没有影响
• 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.