VS Code运行Python/PySpark代码时意外终止（错误码15）求助

问题确认 #

你的问题核心是Snap安装的VS Code在运行Python/PySpark或Keras训练代码时，频繁因系统内存不足触发进程终止（错误码15），即使调小训练参数（epochs=1、batch_size=5）也无法避免，Jupyter内核也会直接终止。

具体解决方案 #

1. 验证内存不足的猜测 #

• 运行代码时打开终端执行htop，实时监控内存、swap占用率，观察进程被终止前是否出现内存占满的情况。
• 查看系统OOM日志确认原因：

  journalctl -xe | grep -i killed
  

  如果日志中出现类似Out of memory: Killed process的记录，即可确认是内存不足导致。

2. 解除Snap版VS Code的内存限制 #

Snap包默认会对应用施加资源限制，这可能是关键问题：

• 赋予VS Code内存监控权限：

  sudo snap set code system-observe=true
  

• 调整VS Code的内存配额（根据你的机器内存设置，比如8G）：

  sudo snap set code memory.high=8G
  

• 更彻底的方案：换成Manjaro官方仓库的VS Code
  1. 卸载Snap版：

     sudo snap remove code
     

  2. 安装官方包：

     sudo pacman -S code
     

3. 优化代码的内存占用 #

即使batch_size很小，一次性加载超大数据集也会耗尽内存：

• 使用Keras的数据集生成器或tf.data.Dataset分批加载数据，避免一次性把所有数据载入内存：

  from tensorflow.data import Dataset
  
  def create_dataset(x, y, batch_size):
      return Dataset.from_tensor_slices((x, y)).shuffle(len(x)).batch(batch_size)
  
  train_ds = create_dataset(partial_x_train, partial_y_train, 5)
  val_ds = create_dataset(x_val, y_val, 5)
  
  history = model.fit(train_ds, epochs=1, validation_data=val_ds)
  

• 手动释放无用变量，回收内存：

  import gc
  
  # 释放原始数据集内存
  del x_train, y_train
  gc.collect()
  

4. 系统层面优化内存配置 #

• 扩大swap分区（如果当前swap不足）：
  1. 创建4G大小的swap文件（可按需调整）：

     sudo fallocate -l 4G /swapfile
     

  2. 设置权限：

     sudo chmod 600 /swapfile
     

  3. 格式化并启用：

     sudo mkswap /swapfile
     sudo swapon /swapfile
     

  4. 写入/etc/fstab永久生效：

     echo '/swapfile none swap defaults 0 0' | sudo tee -a /etc/fstab
     

• 调整OOM杀手优先级，避免优先终止VS Code/Python进程：
  1. 查看当前VS Code进程的OOM分数：

     cat /proc/$(pidof code)/oom_score_adj
     

  2. 调低分数（数值越小，越不容易被OOM杀死）：

     sudo echo -1000 > /proc/$(pidof code)/oom_score_adj
     

内容的提问来源于stack exchange，提问作者bdzh