Python/C API 中的内存泄漏和引用计数

Question

我对 Python 及其 C API 很陌生。我仍然不明白引用计数是如何工作的。我编写了一个粒子跟踪模块，它向 python 公开了我过去编写和测试过的许多 C++ 线程跟踪函数。 （据我所知，他们自己没有内存泄漏）。

当我在 Python 中反复调用其中一个函数时，我可以看到内存使用量增长缓慢。我相信某处存在内存泄漏（可能无处不在：O） 我复制了主要跟踪功能的相关片段下方，以便有人可以指出我是否应该调用 Py_DECREFs（例如在 item_py 上？）

PyObject* _track_particles() {

        // more code here ... (no Python/C API  calls) 

        PyObject* result_py = PyTuple_New(particles.size());
        for(int i=0; i<particles.size(); ++i) {
            PyObject* item_py = PyTuple_New(2);
            if (lost_at_turn_idx[i] == PARTICLE_NOT_LOST) {
                int offset = i * (nr_turns+1) * 6 + nr_turns * 6;
                PyTuple_SetItem(item_py, 0, Py_True);
                PyTuple_SetItem(item_py, 1, Py_BuildValue("(dddddd)", 
                            data_out[offset + rx], data_out[offset + px],   
                            data_out[offset + ry], data_out[offset + py],
                            data_out[offset + de], data_out[offset + dl]));
            } else {
                PyTuple_SetItem(item_py, 0, Py_False);
                PyTuple_SetItem(item_py, 1, 
                        Py_BuildValue("(ii)", lost_at_turn_idx[i], 
                                              lost_at_element_idx[i]));
            }
            PyTuple_SetItem(result_py, i, item_py);
        }       
        return result_py;
    }

ps：发现this reference很有用

Answer 1

this 相关吗？

改用t = PyTuple_New(n)，并用PyTuple_SetItem(t, i, o) 填充对象——注意，这“吃掉”了o 的引用计数，所以你必须Py_INCREF() 它。

我不完全确定这段话是否清楚，但它可能是一个很好的起点。

Answer 2

编辑：非常感谢@DavidW 向我指出这一点（参见 cmets）。你definitely need to Py_INCREF Py_True and Py_False。当你做你不应该做的事情时，C 会做一些奇怪的事情，但很难说这是否会导致你的记忆问题。

晚了几年，但老实说，你的代码看起来不错。 result_py 被返回，因此只需要由_track_particles 的调用者Py_DECREF'd （我假设在您的C++ 代码中有_track_particles 的调用者，因为定义了PyObject *self、PyObject *args在其签名中），而item_py 引用与PyTuple_SetItem 一起被盗。 PyTuple_SetItem 窃取了您的其余新参考资料，因此这也不是问题。有趣的是，您给出的代码片段不需要单个 Py_DECREF。

您如何检查内存泄漏？我知道这是旧的，但 Python 3 附带了tracemalloc，所以你可以用它包装一个函数调用来检查。