SublimeCodeIntel Утечка памяти

Question

Когда я использую Sublime с пакетом sublimecodeintel при написании кода или обычного текста, он использует ~ 1,2 ГБ памяти и 0% CPU. Я наблюдал за поведением использования памяти, и кажется, что каждый раз, когда я набираю использование памяти слов, скачок ~ 1 МБ. Если я установил "codeintel": false,, то использование памяти вернется в нормальное русло. Кажется, это проблема утечки памяти для меня. Есть ли способ, чтобы я это исправить?

вот мои настройки для sublimecodeintel (я использую настройки по умолчанию)

/* 
    SublimeCodeIntel default settings 
*/ 
{ 
    /* 
     Sets the mode in which SublimeCodeIntel runs: 

     true - Enabled (the default). 
     false - Disabled. 
    */ 
    "codeintel": true, 

    // An array of language names which are disabled. 
    "codeintel_disabled_languages": 
    [ 
    ], 

    /* 
     Sets the mode in which SublimeCodeIntel's live autocomplete runs: 

     true - Autocomplete popups as you type (the default). 
     false - Autocomplete popups only when you request it. 
    */ 
    "codeintel_live": true, 

    // An array of language names to disable. 
    "codeintel_live_disabled_languages": 
    [ 
    ], 

    /* 
     Maps syntax names to languages. This allows variations on a syntax 
     (for example "Python (Django)") to be used. The key is 
     the base filename of the .tmLanguage syntax files, and the value 
     is the syntax it maps to. 
    */ 
    "codeintel_syntax_map": 
    { 
     "Python Django": "Python" 
    } 
} 

Answer 1

Наиболее простое решение для установки "codeintel":false,, к сожалению. Если вы перейдете к Github и проверьте Проблемы, вы увидите, что у ряда людей есть проблемы с производительностью, особенно в крупных проектах. Плагин был первоначально перенесен с Open Komodo Editor в Sublime, и я думаю, что некоторые показатели были потеряны в переводе. У меня нет проблем с этим при работе над небольшими проектами, но если я начну использовать IPython с pylab в SublimeREPL (который импортирует очень большие части numpy и, кроме того, matplotlib), то производительность может замедляться до обхода - и это на четырехъядерном 3,4 ГГц i7 с 20 ГБ оперативной памяти, поэтому я не голодаю за власть.

К сожалению, это не похоже на то, что на вопросы, связанные с производительностью, ответили, не говоря уже об адресе в коде, поэтому, если кто-то хочет прокомментировать и исправить это, мы будем благодарны!