哦，这个场景我太熟悉了！当初我也因为没法用库绑定，临时用子进程循环处理二进制数据，结果差点把服务器内存跑满。咱们来一步步拆解内存暴涨的原因：

• 子进程的创建与资源残留
  你要处理的是30MB的二进制文件，每次读4字节就调用一次Capstone子进程——算下来总共要启动近800万次子进程！操作系统创建每个进程都要分配额外的资源：进程控制块（PCB）、独立的栈空间、页表、文件描述符等。就算子进程执行完退出了，Python的subprocess模块或者操作系统本身可能没法及时回收所有资源，大量残留的僵尸进程痕迹、未释放的内存页会慢慢堆积，最终把内存吃光。

• 进程间通信的内存缓存
  每次调用子进程时，你需要把4字节数据传给子进程，再读取反汇编结果。Python在处理子进程的输入输出时，会用到内部缓冲区来暂存数据。如果你的循环逻辑没有及时清空这些缓冲区，或者把每次的输出结果都存在变量里（比如存在列表中），几百万次的累计数据量会迅速撑爆内存——哪怕每条反汇编结果只有几十字节，800万条加起来也有几百MB。

• Python进程的内存管理开销
  频繁创建子进程时，Python需要跟踪每个进程的PID、返回状态、IO管道等信息。这些管理对象会占用Python进程的内存空间，而且如果循环速度太快，Python的垃圾回收机制可能跟不上释放节奏，导致大量无用对象堆积在内存中。

而改用Capstone绑定后，所有反汇编操作都在同一个Python进程内执行，不需要额外创建子进程，资源可以直接被Python的垃圾回收机制及时回收，内存自然能保持在合理水平。

内容的提问来源于stack exchange，提问作者Irrationality