gc.collect()

整套系统运行在 1 vCPU、2 GB 内存、无 GPU 的服务器上；作者建议一次只跑一个进程、资产之间调用 gc.collect()、用 resource.getrusage 测量峰值内存、按实际需要分辨率渲染

每处理完一个资产调用一次 gc.collect() 可以主动回收循环引用，避免内存堆积，在 2GB 机器上每处理一个条目主动回收一次可将内存曲线从锯齿状堆积变成平整台阶

作者在1 vCPU、2 GB内存、无GPU的服务器上运行整个流水线，并建议单核上一次只跑一个进程、每个素材处理后执行gc.collect()。

Python的`gc.collect()`只能回收循环引用对象，将内存交还给分配器，操作系统不一定立即收回；重型步骤放入独立子进程，进程退出时内存才能被操作系统彻底回收。

gc.collect()用于在每处理完一个素材后主动触发垃圾回收，及时释放不再引用的对象，处理Python引用计数无法回收的循环引用。

每个素材处理后调用gc.collect()可以回收循环引用，将内存压回基线；但CPython释放的内存常留在pymalloc内部池中，不归还操作系统，只有子进程退出才能让RSS真正下降。

在小内存机器上批量处理图像时，逐资产调用gc.collect()可以主动触发垃圾回收，释放图像缓冲区。

Python的gc.collect()接口可以手动调用以及时释放不再使用的对象，避免内存累积。

每个资产处理后调用gc.collect()可防止峰值RSS持续爬升，否则进程可能在处理第40个文件时被内核杀死。

作者在项目之间用 gc.collect() 释放内存，并用 resource.getrusage(RUSAGE_SELF).ru_maxrss 测量峰值 RSS 而非平均值。

在 2GB 内存的机器上，为图像任务运行多个并行进程会因资源争抢而降低效率；每处理完一个素材后调用 gc.collect() 有助于在素材间释放内存。

在 1 vCPU / 2 GB 实例上，不显式调用 gc.collect() 可能导致 Python 循环引用垃圾回收不及时，峰值内存超出 2 GB 被 OOM Killer 终止。