add full gc scheduler

app/core/config.py

@@ -364,6 +364,8 @@ class ConfigModel(BaseModel):
     ENCODING_DETECTION_PERFORMANCE_MODE: bool = True
     # 编码探测的最低置信度阈值
     ENCODING_DETECTION_MIN_CONFIDENCE: float = 0.8
+    # 主动内存回收时间间隔（分钟），0为不启用
+    MEMORY_GC_INTERVAL: int = 30
 
     # ==================== 安全配置 ====================
     # 允许的图片缓存域名

app/scheduler.py

@@ -30,6 +30,7 @@ from app.helper.wallpaper import WallpaperHelper
 from app.log import logger
 from app.schemas import Notification, NotificationType, Workflow, ConfigChangeEventData
 from app.schemas.types import EventType, SystemConfigKey
+from app.utils.gc import auto_gc
 from app.utils.singleton import SingletonClass
 from app.utils.timer import TimerUtils
 
@@ -181,6 +182,11 @@ class Scheduler(metaclass=SingletonClass):
                     "name": "订阅日历缓存",
                     "func": SubscribeChain().cache_calendar,
                     "running": False
+                },
+                "full_gc": {
+                    "name": "主动内存回收",
+                    "func": self.full_gc,
+                    "running": False
                 }
             }
 
@@ -413,6 +419,19 @@ class Scheduler(metaclass=SingletonClass):
                 }
             )
 
+            # 主动内存回收
+            if settings.MEMORY_GC_INTERVAL:
+                self._scheduler.add_job(
+                    self.start,
+                    "interval",
+                    id="full_gc",
+                    name="主动内存回收",
+                    hours=settings.MEMORY_GC_INTERVAL,
+                    kwargs={
+                        'job_id': 'full_gc'
+                    }
+                )
+
             # 初始化工作流服务
             self.init_workflow_jobs()
 
@@ -747,6 +766,13 @@ class Scheduler(metaclass=SingletonClass):
         """
         SchedulerChain().clear_cache()
 
+    @auto_gc
+    def full_gc(self):
+        """
+        主动内存回收
+        """
+        pass
+
     def user_auth(self):
         """
         用户认证检查

app/utils/gc.py

@@ -0,0 +1,125 @@
+"""
+内存回收装饰器模块
+提供装饰器用于在函数执行后立即回收内存
+"""
+import gc
+import functools
+import psutil
+import os
+from typing import Callable, Any, Optional
+
+from app.log import logger
+
+
+def memory_gc(force_collect: bool = True, 
+              log_memory_usage: bool = False) -> Callable:
+    """
+    内存回收装饰器
+    
+    Args:
+        force_collect: 是否强制执行垃圾回收，默认True
+        log_memory_usage: 是否记录内存使用日志，默认False
+    
+    Returns:
+        装饰器函数
+    """
+    def decorator(func: Callable) -> Callable:
+        @functools.wraps(func)
+        def wrapper(*args, **kwargs) -> Any:
+            # 记录函数执行前的内存使用情况
+            memory_before = None
+            memory_after = None
+            if log_memory_usage:
+                memory_before = get_memory_usage()
+                logger.info(f"函数 {func.__name__} 执行前内存使用: {memory_before}")
+            
+            try:
+                # 执行原函数
+                result = func(*args, **kwargs)
+                
+                # 记录函数执行后的内存使用情况
+                if log_memory_usage:
+                    memory_after = get_memory_usage()
+                    logger.info(f"函数 {func.__name__} 执行后内存使用: {memory_after}")
+                    if memory_before:
+                        memory_diff = memory_after - memory_before
+                        logger.info(f"函数 {func.__name__} 内存变化: {memory_diff} MB")
+                
+                return result
+                
+            finally:
+                # 强制垃圾回收
+                if force_collect:
+                    collected = gc.collect()
+                    if log_memory_usage:
+                        logger.info(f"函数 {func.__name__} 垃圾回收完成，回收对象数: {collected}")
+                
+                # 记录垃圾回收后的内存使用情况
+                if log_memory_usage:
+                    memory_after_gc = get_memory_usage()
+                    logger.info(f"函数 {func.__name__} 垃圾回收后内存使用: {memory_after_gc}")
+                    if memory_after:
+                        memory_freed = memory_after - memory_after_gc
+                        logger.info(f"函数 {func.__name__} 释放内存: {memory_freed} MB")
+        
+        return wrapper
+    return decorator
+
+
+def get_memory_usage() -> float:
+    """
+    获取当前进程的内存使用情况（MB）
+    
+    Returns:
+        内存使用量（MB）
+    """
+    try:
+        process = psutil.Process(os.getpid())
+        memory_info = process.memory_info()
+        return memory_info.rss / 1024 / 1024  # 转换为MB
+    except Exception as e:
+        logger.warning(f"获取内存使用情况失败: {e}")
+        return 0.0
+
+
+def memory_monitor(threshold_mb: Optional[float] = None) -> Callable:
+    """
+    内存监控装饰器，当内存使用超过阈值时自动触发垃圾回收
+    
+    Args:
+        threshold_mb: 内存阈值（MB），超过此值将触发垃圾回收
+    
+    Returns:
+        装饰器函数
+    """
+    def decorator(func: Callable) -> Callable:
+        @functools.wraps(func)
+        def wrapper(*args, **kwargs) -> Any:
+            # 检查内存使用情况
+            current_memory = get_memory_usage()
+            
+            if threshold_mb and current_memory > threshold_mb:
+                logger.warning(f"内存使用超过阈值 {threshold_mb}MB，当前使用: {current_memory}MB")
+                collected = gc.collect()
+                logger.info(f"自动垃圾回收完成，回收对象数: {collected}")
+            
+            # 执行原函数
+            result = func(*args, **kwargs)
+            
+            # 执行后再次检查并回收
+            if threshold_mb:
+                memory_after = get_memory_usage()
+                if memory_after > threshold_mb:
+                    collected = gc.collect()
+                    logger.info(f"函数执行后垃圾回收完成，回收对象数: {collected}")
+            
+            return result
+        
+        return wrapper
+    return decorator
+
+
+# 便捷的装饰器别名
+memory_cleanup = memory_gc
+auto_gc = memory_gc(force_collect=True, log_memory_usage=True)
+memory_watch = memory_monitor