把 530M 的 ML 栈请出 Flask 主进程，顺便让检索快了 32 倍

一次真实的排查记录。起因是一个跑在 3.6G 内存小机器上的 Flask 应用，进程内存三天涨到 888M。

结论先放这里，省得你翻到最后：

两件事其实没什么关系，是排查过程中前后脚撞上的。但它们合起来说明一个道理：动手优化之前先测量，你以为的瓶颈通常不是瓶颈。我在这篇里两次猜错，都写出来了。

---

一、现象

一个 Flask 应用，功能是笔记 + 对话，带语义检索（bge 中文小模型做 embedding，BM25 做关键词兜底）。机器 3.6G 内存。

现象是主进程 RSS 一路涨：

重启后          79M
17 分钟后      662M
三天后         888M

看起来像内存泄漏。但"看起来像"不等于是。

二、第一步：先证伪，别急着抓泄漏

如果真是泄漏，那一定有某个代码路径反复执行、每次留下一点。最省事的验证方式是按真实流量比例打请求，看 RSS 和对象数怎么走。

我没用 py-spy、没上 tracemalloc，就用 Flask 自带的 test_client 在独立进程里跑：

import gc, collections, time

def rss_kb():
    for line in open('/proc/self/status'):
        if line.startswith('VmRSS:'):
            return int(line.split()[1])

def obj_profile():
    c = collections.Counter()
    for o in gc.get_objects():
        c[type(o).__name__] += 1
    return c

import app as A
client = A.app.test_client()

gc.collect()
base_rss, base_obj = rss_kb(), obj_profile()

# 1) 先测后台线程空转：什么都不请求，只等
time.sleep(45)
gc.collect()
print('空转 45 秒：', (rss_kb() - base_rss) / 1024, 'M')

# 2) 再按真实流量比例逐个端点压
for method, url in ENDPOINTS:
    gc.collect(); before = rss_kb()
    for _ in range(150):
        client.get(url)
    gc.collect(); after = rss_kb()
    print(f'{url:42} {(after-before)/1024:+.1f}M')

# 3) 最后看对象类型的净增长
gc.collect()
for name, n in (obj_profile() - base_obj).most_common(12):
    print(f'{name:28} +{n}')

完整脚本在 code/memprobe.py。

结果：

空转 45 秒后                    +0.3M
/api/notes_by_date              +0.3M
/api/profile                    -0.3M
/api/feed                       +0.8M
/api/tags/list                  +0.0M
/api/messages                   +2.0M
/api/shelf                      +0.0M
...
1200 个请求总计                 +3M

对象数增长 top:
  function                     +23
  ReferenceType                +19
  builtin_function_or_method   +19
  SplitResult                  +18
  list                          +4

读接口是干净的。 1200 个请求只涨 3M，对象增长几十个而且全是模块导入的正常副产物（function、ModuleSpec、SourceFileLoader 这些是首次走到某分支时 import 带进来的，一次性）。后台线程空转也干净。

那 888M 从哪来的？

三、分层测：不是泄漏，是一次性加载

既然不是反复累积，那就是某个东西一次性吃掉一大块然后赖着不走。分层测最直接：

def rss_mb():
    for line in open('/proc/self/status'):
        if line.startswith('VmRSS:'):
            retu