python - pyarrow からのメモリリーク?

Question

より大きなファイルを解析するには、多数の寄木細工のファイルに連続してループで書き込む必要があります。ただし、このタスクによって消費されるメモリは反復ごとに増加するようですが、一定のままであると予想されます (メモリに何も追加しないため)。これにより、スケーリングが難しくなります。

10 000 の寄木細工を作成し、それにループを追加する最小限の再現可能な例を追加しました。

import resource
import random
import string
import pyarrow as pa
import pyarrow.parquet as pq
import pandas as pd


def id_generator(size=6, chars=string.ascii_uppercase + string.digits):
    return ''.join(random.choice(chars) for _ in range(size))

schema = pa.schema([
                        pa.field('test', pa.string()),
                    ])

resource.setrlimit(resource.RLIMIT_NOFILE, (1000000, 1000000))
number_files = 10000
number_rows_increment = 1000
number_iterations = 100

writers = [pq.ParquetWriter('test_'+id_generator()+'.parquet', schema) for i in range(number_files)]

for i in range(number_iterations):
    for writer in writers:
        table_to_write = pa.Table.from_pandas(
                            pd.DataFrame({'test': [id_generator() for i in range(number_rows_increment)]}),
                            preserve_index=False,
                            schema = schema,
                            nthreads = 1)
        table_to_write = table_to_write.replace_schema_metadata(None)
        writer.write_table(table_to_write)
    print(i)

for writer in writers:
    writer.close()

このリークの原因とそれを防ぐ方法を知っている人はいますか?