我有一个有时会消耗大量RAM的python程序。
我试图通过限制使用resource.setrlimit(resource.RLIMIT_AS, (2**32, 2**32))
但是，这导致Python崩溃而不是引发MemoryError。
如何保持Python存活？即我想要MemoryError。
当我尝试在cvxpy中解决大型实例时，就会出现问题。 （这也意味着我无法减少代码的内存使用量，这不是我的代码。）
但是当我通过分配大量的RAM时
numpy（numpy.arange(1000*1000*250, dtype="u8")，
来自How do I use `setrlimit` to limit memory usage? RLIMIT_AS kills too soon; RLIMIT_DATA, RLIMIT_RSS, RLIMIT_STACK kill not at all），或
外壳（调用yes | tr \\n x | head -c $((1024*1024*1024*10)) | grep n，
来自https://unix.stackexchange.com/questions/99334/how-to-fill-90-of-the-free-memory）
然后我按预期得到MemoryError。
有什么不同？
编辑：错误消息是：
抛出'std :: bad_alloc'实例后调用终止
what（）：std :: bad_alloc
编辑：我现在有一个（M）WE。
import cvxpy as cvx
import numpy as np
import random
import resource
resource.setrlimit(resource.RLIMIT_AS, (2**32, 2**32))
# Problem data.
m = 500
n = 500
np.random.seed(1)
random.seed(1)
A = np.random.randn(m, n)
b = np.random.randn(m, 1)
# Construct the problem.
X = cvx.Semidef(m)
objective = cvx.Minimize(cvx.sum_entries(cvx.norm(X)))
constraints = [sum([X[random.randint(0,499),random.randint(0,499)] for _ in range(50)]) >= random.random() for _ in range(5000)]
prob = cvx.Problem(objective, constraints)
print("Optimal value", prob.solve(solver = 'SCS'))
几秒钟后，它开始占用大量内存（超过1GB，这应该是限制），然后由于上述错误而崩溃。
最佳答案
Python仅在可以确定错误在实际发生之前就抛出时，才会抛出MemoryError。否则，它将崩溃。查看MemoryError的官方描述：
https://docs.python.org/2/library/exceptions.html#exceptions.MemoryError