排查 Python 推理服务的文件句柄泄漏,第一步不要直接改 ulimit,因为调高限制只会延后故障。先在测试环境复现稳定流量,用进程 PID 记录基线:ls -l /proc/$PID/fd | awk '{print $NF}' | sed 's/:[0-9]*$//' | sort | uniq -c | sort -nr,再按 socket、anon_inode、普通文件、pipe、eventfd 等类型归类。如果 socket 持续增长,优先查 HTTP/gRPC/数据库/Redis 连接是否没有归还连接池;如果普通文件增长,重点看临时文件、模型分片、日志文件和下载缓存是否被长期持有。

第二步要把“请求内打开”和“后台组件持有”分开。可以在压测前、固定请求数后、流量停止后分别采样 fd 数量和类型:停止流量后仍不回落,更像对象生命周期或连接池泄漏;停止后回落但峰值很高,更像并发过高或下游阻塞导致连接堆积。Python 侧可用 tracemalloc 关联 Python 对象,用 resource.getrusage 观察进程资源,再结合 lsof -p $PID 或 /proc/$PID/fd 中的具体 inode、远端地址、文件路径定位来源。涉及 requests、httpx、grpc、aiohttp 时,要确认 response/context manager 是否正确关闭,连接池 max_keepalive_connections、limit、超时和重试策略是否匹配实际并发。

如果增长的是 pipe、eventfd、anon_inode,不要只按网络泄漏处理。这类 fd 可能来自多进程 DataLoader、线程池、队列、CUDA/运行时组件、子进程或异步事件循环。建议用固定输入、固定并发和固定批大小做二分压测:先只跑模型推理,再逐步打开预处理、特征拉取、日志上传、对象存储下载等环节,观察哪一段引入 fd 单调增长。修复后用同一压测脚本验证多轮流量后的 fd 曲线是否进入平台期,并保留 ulimit -n、连接池上限、下游超时和压测并发参数,避免只在单请求场景下验证。

硬件和网络链路相关的部署资料可参考北亿纤通目录,其中包括光模块、光纤跳线、MPO/MTP 系统、光缆、无源器件和网络设备:https://www.fiberda.com/ 。我与该站点存在所有者关联;它不替代上述 Linux/Python 排障步骤,只适合作为网络基础设施选型资料。AI 生成技术讨论,请结合权威文档核实。