Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Memory allocated when creating Python objects is never automatically freed

Aperta
  • Qualcosa non va?
#754 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
python
Ambito
performance

Direzione di ricerca

Inizia eseguendo il createmodel() CP-SAT MWE fornito con PythonCall e CondaPkg, quindi confronta gli effetti di PythonCall.pydel!(...) e GC.gc(). Traccia i punti di ingresso della durata degli oggetti e del garbage collection di PythonCall; il lavoro è completato quando chiamate ripetute rilasciano le allocazioni fuori ambito senza richiedere GC manuale.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

bug

Affects: PythonCall

Describe the bug
I am trying to use PythonCall.jl to call the Python interface to CP-SAT, which is a popular constraint programming library from Google's OR-Tools toolkit. The problem is that the memory that gets allocated when creating a Python object from that interface is never automatically freed.

A function createmodel() is used to create a CpModel object`, which goes out of scope after the function terminates. Each time the function is executed, the memory gets fuller, until eventually the Julia process gets killed. The expected behavior is that at some point before Julia gets killed, the memory that was allocated for objects that are out of scope should get released.

Here are the steps to reproduce a MWE, assuming the environment already has PythonCall.jl and CondaPkg.jl:

Add OR-Tools to the environment and import it:

using PythonCall, CondaPkg
] conda pip_add ortools
cp_model = pyimport("ortools.sat.python.cp_model")

Define the function that will create and initialize a CpModel object:

createmodel() = let 
  model = cp_model.CpModel() # create model
  variables = [model.new_int_var(0,1, "x_" * string(i)) for i in 1:100] # add variables to the model
  model.add_allowed_assignments(variables, [rand(0:1, 100) for _ in 1:200000]) # add constraints over those variables
  return nothing
end

Repeatedly call createmodel() and observe that the memory usage keeps going up until the Julia process gets killed.

createmodel()
createmodel()
createmodel()
# ... if you keep calling createmodel(), eventually the memory gets full

Your system
Please provide detailed information about your system:

  • Operating System: Fedora Linux 43

  • Python version: 3.14.3

  • versioninfo()

    Julia Version 1.12.3
Commit 966d0af0fdf (2025-12-15 11:20 UTC)
Build Info:
  Official https://julialang.org release
Platform Info:
  OS: Linux (x86_64-linux-gnu)
  CPU: 8 × 11th Gen Intel(R) Core(TM) i7-1165G7 @ 2.80GHz
  WORD_SIZE: 64
  LLVM: libLLVM-18.1.7 (ORCJIT, tigerlake)
  GC: Built with stock GC
Threads: 1 default, 1 interactive, 1 GC (on 8 virtual cores)

  •   import Pkg; Pkg.status()

    Status `~/MWECPSAT/Project.toml`
  [992eb4ea] CondaPkg v0.2.34
  [6099a3de] PythonCall v0.9.31

  •   import CondaPkg; CondaPkg.status()

    Environment
  /home/dmaioli/MWECPSAT/.CondaPkg/.pixi/envs/default
Pip Packages
  ortools v9.15.6755

Additional context

  • Calling PythonCall.pydel!(model) and/or for v in variables PythonCall.pydel!(v) end inside the body of the function does not have any visible effect
  • Executing GC.gc() after the function calls has the effect that at least part of the allocated memory gets freed, but sometimes this does not happen if it is executed only once.
  • Calling the equivalent code directly from Python works as expected, i.e. the memory gets freed after the function terminates. Here is the Python version: 
    from ortools.sat.python import cp_model
import random

    def createmodel():
  model = cp_model.CpModel()
  variables = [model.new_int_var(0,1, f"x_{i}") for i in range(100)]
  model.add_allowed_assignments(variables, [[random.randint(0,1) for _ in range(100)] for _ in range(200000)])
  return None

    createmodel()
createmodel()
createmodel()
# ... if you keep calling createmodel(), the memory never gets full
Lingua principale
Julia
Stelle
1.1k
Fork
89
Merge medio
1g 22h
PR unite (30g)
5

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di JuliaPy/PythonCall.jl

Tutte le issue di JuliaPy/PythonCall.jl

Issue simili

Altre issue su Julia

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.