让我推荐我创建的mem_top工具

它帮助我解决了一个类似的问题

它会立即显示Python程序中最可能出现内存泄漏的地方

让我推荐我创建的mem_top工具

它帮助我解决了一个类似的问题

它会立即显示Python程序中最可能出现内存泄漏的地方

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。

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。

要检测和定位长时间运行进程的内存泄漏，例如在生产环境中，您现在可以使用堆栈影响。它在下面使用tracemalloc。更多信息在这篇文章。

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。