我尝试了前面提到的大多数选项，但发现这个小而直观的包是最好的:pympler

跟踪没有被垃圾回收的对象非常简单，请看这个小例子:

通过PIP Install pympler安装包

from pympler.tracker import SummaryTracker
tracker = SummaryTracker()

# ... some code you want to investigate ...

tracker.print_diff()

输出显示已添加的所有对象，以及它们所消耗的内存。

样例输出:

                                 types |   # objects |   total size
====================================== | =========== | ============
                                  list |        1095 |    160.78 KB
                                   str |        1093 |     66.33 KB
                                   int |         120 |      2.81 KB
                                  dict |           3 |       840 B
      frame (codename: create_summary) |           1 |       560 B
          frame (codename: print_diff) |           1 |       480 B

这个包提供了更多的特性。检查pympler的文档，特别是识别内存泄漏一节。

这绝不是详尽的建议。但是，在考虑避免未来的内存泄漏(循环)时，要记住的第一件事是确保任何接受回调引用的东西都应该将该回调存储为弱引用。

您应该特别查看全局数据或静态数据(长寿数据)。

当这些数据不受限制地增长时，在Python中也会遇到麻烦。

垃圾收集器只能收集不再被引用的数据。但是静态数据可以连接应该释放的数据元素。

另一个问题可能是内存周期，但至少在理论上垃圾收集器应该找到并消除周期——至少只要它们不依赖于一些长期存在的数据。

什么样的长寿命数据特别麻烦?仔细查看任何列表和字典——它们可以无限制地增长。在字典中，你甚至可能看不到这个问题，因为当你访问字典时，字典中的键数可能对你来说不是很明显……

Tracemalloc模块从Python 3.4开始作为内置模块集成，显然，它也可以作为第三方库用于先前版本的Python(不过还没有测试它)。

这个模块能够输出分配最多内存的精确文件和行。恕我直言，这个信息比为每种类型分配的实例数量(99%的情况下最终会有很多元组，这是一个线索，但在大多数情况下几乎没有帮助)有价值得多。

我建议你将tracemalloc与吡拉西矿联合使用。十有八九，在pyrasite-shell中运行前10个代码片段将为您提供足够的信息和提示，以在10分钟内修复泄漏。然而，如果您仍然无法找到泄漏原因，pyrasite-shell结合本文中提到的其他工具可能也会给您更多的提示。您还应该看看pyrasite提供的所有额外帮助(例如内存查看器)。

不确定python中内存泄漏的“最佳实践”，但python应该通过它的垃圾收集器清除自己的内存。所以我主要会从检查一些短的循环列表开始，因为它们不会被垃圾收集器拾取。

查看这篇文章:跟踪python内存泄漏

另外，请注意，垃圾收集模块实际上可以设置调试标志。看看set_debug函数。另外，查看Gnibbler编写的代码，以确定调用后创建的对象类型。