如何用Python编写故意占用内存的程序用于测试？

以下是几种可控的内存占用实现方法，可用于复现Lambda无错误终止的场景：

方法1：大列表填充字节块（简单直接） #

通过持续向列表中添加固定大小的字节块，精准控制内存占用量，适合快速模拟内存耗尽：

import sys

def occupy_memory(target_mb):
    block_size = 1024 * 1024  # 单块1MB
    block = b'x' * block_size
    memory_blocks = []
    
    # 循环添加块，直到接近目标内存
    while sys.getsizeof(memory_blocks) + len(memory_blocks)*block_size < target_mb * block_size:
        memory_blocks.append(block)

def lambda_handler(event, context):
    # 按需设置目标内存，比如接近你的Lambda配置上限（如512MB）
    occupy_memory(500)
    return {"statusCode": 200, "body": "内存占用测试执行中"}

说明：Lambda内存耗尽时会直接终止进程，不会输出常规错误日志，与你遇到的现象一致。可通过CloudWatch的Memory Used指标确认实际占用量。

方法2：大量小对象累积（贴近业务场景） #

如果你的业务代码是因创建大量小对象导致内存溢出，可模拟这种场景：

import sys

class BusinessObject:
    def __init__(self):
        # 每个实例携带1KB的业务数据
        self.payload = b'data' * 256

def occupy_memory(target_mb):
    object_pool = []
    per_obj_size = 1024  # 单对象约1KB
    target_bytes = target_mb * 1024 * 1024
    count = 0
    
    while sys.getsizeof(object_pool) + count * per_obj_size < target_bytes:
        object_pool.append(BusinessObject())
        count += 1

def lambda_handler(event, context):
    occupy_memory(400)
    return {"statusCode": 200, "body": "小对象内存测试执行中"}

方法3：Numpy大数组（适合数据处理场景） #

如果你的Lambda使用Numpy处理数据，可通过创建超大数组快速占满内存：

import numpy as np

def lambda_handler(event, context):
    # 创建1024MB的float64数组（每个元素8字节，共134217728个元素）
    large_array = np.ones((134217728,), dtype=np.float64)
    # 保持引用防止GC回收
    return {"statusCode": 200, "body": "Numpy内存测试执行中"}

测试注意事项 #

• 逐步调整目标内存值，从低于Lambda配置上限开始，逐步增加到超过上限，观察是否出现无错误终止
• 查看CloudWatch日志：内存耗尽时通常只有启动记录，无正常结束日志，或显示进程意外终止

内容的提问来源于stack exchange，提问作者whitebear