Python程序出现‘Killed’提示的原因及确认方法

核心原因 #

你的Python程序被系统的**OOM Killer（内存不足杀手）**终止了，本质是程序实际占用的内存超过了系统可用空闲内存：

• numpy默认使用int64类型存储整数，每个元素占8字节。你创建的x = np.arange(1_000_000_000)数组，内存占用为 1e9 * 8 = 8e9 字节 ≈ 7.45 GiB。
• 执行x + x时，numpy会创建一个全新的同尺寸数组存储计算结果，这又会占用额外的7.45 GiB内存。
• 加上Python解释器、系统后台进程本身占用的内存（通常至少几百MB到1GiB），总内存需求已经超过了你电脑的15.6 GiB可用内存，触发系统的OOM Killer，直接终止Python进程。

确认方法 #

1. 查看系统OOM Killer日志 #

在终端执行以下命令，查看系统是否因为内存不足杀死了Python进程：

dmesg | grep -i kill
# 或者用journalctl（适用于systemd系统）
journalctl -k | grep -i oom

如果日志中出现类似Out of memory: Killed process [PID] (python) total-vm:...的内容，就可以确认是OOM Killer导致的。

2. 验证内存计算 #

在Python中单独测试数组的内存占用：

import numpy as np
x = np.arange(1_000_000_000)
print(f"单个数组内存占用: {x.nbytes / 1024**3:.2f} GiB")

执行后会输出单个数组的内存大小，再加上计算过程中临时数组的占用，就能明确总内存需求。

3. 小规模测试验证 #

把数组规模缩小（比如改成100_000_000），运行程序：

import datetime
import numpy as np

x = np.arange(100_000_000)
start = datetime.datetime.now()
(x + x).sum()
print(datetime.datetime.now() - start)

如果程序能正常运行，再逐步增大数组规模，观察内存使用情况（可以用htop实时监控），当规模增大到某个值时再次出现Killed，就进一步验证了内存不足的问题。

内容的提问来源于stack exchange，提问作者Test