Python-利用resource限制资源使用

一、背景

当我们在运行python程序时，如果希望程序所需要的消耗系统资源不能超过一定的量时，例如CPU利用率不能超过N%。可以使用resource。​​resource 模块用于测量和控制程序使用的系统资源的基本机制​​。

安装：需注意在 win 和 mac环境，该模块可能存在问题，建议linux下使用。

pip install resource

官方文档：resource --- 资源使用信息 — Python 3.9.17 文档 

二、resource 基本用法

2.1 资源限制

• ​​resource.RLIM_INFINITY​​ 无限资源的限制
• ​​resource.getrlimit(resource)​​​ 当前资源软硬限制的元组​​(soft, hard)​​
• ​​resource.setrlimit(resource, limits)​​ 设置新的资源消耗限制 limits 两个整数的元组
• ​​resource.prlimit(pid, resource[, limits])​​ 如果 pid为0，则调用适用于当前进程；resource的limits与setrlimit()中的含义相同，limits可选；当没有给出限制时，该函数返回进程pid的资源限制；当给定限制时，设置进程的资源限制并返回以前的资源限制

setrlimit()将和结合getrlimit()在一个函数中，支持获取和设置任意进程的资源限制

import resource

# 进程可用存储区大小
soft, hard = resource.getrlimit(resource.RLIMIT_AS)
# 进程最大处理器时间
soft, hard = resource.getrlimit(resource.RLIMIT_CPU)

# 设置cpu最大处理时间
resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))
# 设置进程内存限制，程序运行到没有多余内存时会抛出 MemoryError 异常
resource.setrlimit(resource.RLIMIT_AS, (size, hard))

其他参数值： 

• resource.RLIMIT_AS    进程可用存储区大小    
• resource.RLIMIT_CPU    进程最大处理器时间    超出限制SIGXCPU则会向进程发送信号
• resource.RLIMIT_FSIZE    进程可创建文件的最大值    
• resource.RLIMIT_CORE    core文件最大字节    
• resource.RLIMIT_DATA    进程堆的最大大小    数据段最大长度
• resource.RLIMIT_MEMLOCK    可锁定在内存中的最大地址空间    使用mlock能否在存储器中锁定最长字节数
• resource.RLIMIT_NOFILE    当前进程的最大打开文件数    
• resource.RLIMIT_NPROC    当前进程可创建的最大进程数    
• resource.RLIMIT_RSS    供给进程的最大驻存集的字节长度    
• resource.RLIMIT_STACK    当前进程调用栈的最大长度    
• resource.RLIMIT_OFILE    -    
• resource.RLIMIT_VMEM    进程占用的最大映射内存区域    
• resource.RLIMIT_MSGQUEUE    分配给POSIX 消息队列的字节数    
• resource.RLIMIT_NICE    进程 nice 级别的上限    
• resource.RLIMIT_RTPRIO    实时优先级的上限    
• resource.RLIMIT_RTTIME    实时优先级的上限    
• resource.RLIMIT_SIGPENDING    进程可能排队的信号数    
• resource.RLIMIT_SBSIZE    用户使用的套接字缓冲区的最大大小    
• resource.RLIMIT_SWAP    该用户 ID 的所有进程保留或使用的交换空间的最大大小    
• resource.RLIMIT_NPTS    用户标识创建的伪终端的最大数量    
• resource.RLIMIT_KQUEUES    用户 ID 创建的最大 kqueue 数    

2.2 资源使用

• resource.getpagesize() 获取页面大小: 返回系统页面中的字节数
• resource.getrusage(who) 由who参数指定的当前进程或其子进程消耗的资源

import resource

# 资源使用状况：请求调用进程消耗的资源，进程中所有线程使用的资源总和
sor = resource.getrusage(resource.RUSAGE_SELF)

# 已终止和等待的调用进程的子进程消耗的请求资源
sor = resource.getrusage(resource.RUSAGE_CHILDREN)

# 当前进程和子进程消耗的资源 并非在所有系统上都可用
sor = resource.getrusage(resource.RUSAGE_BOTH)

# 当前线程消耗的资源 可能并非在所有系统上都可用
sor = resource.getrusage(resource.RUSAGE_THREAD)

# 用户模式下的时间
print(sor.ru_utime)

其它参数如下：

• ru_utime    用户模式下的时间
• ru_stime    系统模式下的时间
• ru_maxrss    最大驻留集大小
• ru_ixrss    共享内存大小
• ru_idrss    非共享堆栈大小
• ru_isrss    非共享堆栈大小
• ru_minflt    不需要 I/O 的页面错误
• ru_majflt    需要 I/O 的页面错误
• ru_nswap    换出数量
• ru_inblock    块输入操作
• ru_oublock    块输出操作
• ru_msgsnd    已发送消息
• ru_msgrcv    收到的消息
• ru_nsignals    收到的信号
• ru_nvcsw    自愿上下文切换
• ru_nivcsw    非自愿上下文切换

 三、限制进程的CPU处理时间和内存使用量

set_max_ runtime

 函数通过调用 resource 模块中的 getrlimit 和 setrlimit 函数来限制 Python 进程的 CPU 时间。函数首先调用 getrlimit 函数获取当前 CPU 时间的软限制和硬限制，然后将软限制设置为指定的时间，将硬限制保持不变。最后，该函数调用 signal 模块中的 signal 函数，安装一个处理超时信号 SIGXCPU 的信号处理程序，该处理程序在超时时打印一条提示信息并引发 SystemExit 异常以终止脚本。

set_max_memory 

 函数同样使用 getrlimit 和 setrlimit 函数来限制 Python 进程的内存使用量。该函数首先调用 getrlimit 函数获取当前内存使用量的软限制和硬限制，然后将软限制设置为指定的大小，将硬限制保持不变。

import signal
import resource
import os

# 限制 CPU 时间
def time_exceeded(signo, frame):
    # 超时时打印提示信息并引发 SystemExit 异常，以终止脚本
    print("CPU exceeded...")
    raise SystemExit(1)

def set_max_runtime(seconds):
    # 获取当前 CPU 时间的软限制和硬限制
    soft, hard = resource.getrlimit(resource.RLIMIT_CPU)
    # 设置软限制为指定的时间，硬限制不变
    resource.setrlimit(resource.RLIMIT_CPU, (seconds, hard))
    # 安装一个信号处理程序来处理超时信号 SIGXCPU
    signal.signal(signal.SIGXCPU, time_exceeded)

# 限制内存使用量
def set_max_memory(size):
    # 获取当前内存使用量的软限制和硬限制
    soft, hard = resource.getrlimit(resource.RLIMIT_AS)
    # 设置软限制为指定的大小，硬限制不变
    resource.setrlimit(resource.RLIMIT_AS, (size, hard))

---

参考： 

• resource --- 资源使用信息 — Python 3.9.17 文档
• python 之 资源使用与控制 resource模块_python resource-CSDN博客
• python 之 资源使用与控制 resource模块_51CTO博客_python re模块
• Python：利用resource限制对系统资源的使用_python resource install-CSDN博客​​​​​​​