我推荐Dowser。它非常容易安装，您不需要对代码进行任何更改。您可以通过时间查看每种类型的对象的计数，查看活动对象的列表，查看活动对象的引用，所有这些都来自简单的web界面。

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.server.quickstart()
    cherrypy.engine.start(blocking=False)

导入memdebug，并调用memdebug.start。这是所有。

我还没试过PySizer或Heapy。我很感激别人的评价。

更新

上面的代码是针对CherryPy 2的。X, CherryPyX服务器。快速启动方法已删除和引擎。Start不带阻塞标志。如果你用的是CherryPy 3。X

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.engine.start()

考虑objgraph库(参见这篇博客文章中的示例用例)。

Muppy是另一个Python内存使用分析器。这个工具集的重点是识别内存泄漏。

Muppy试图帮助开发人员识别Python应用程序的内存泄漏。它支持在运行时跟踪内存使用情况，并识别正在泄漏的对象。此外，还提供了工具来定位未发布对象的源。

我正在为Python开发一个名为memprof的内存分析器:

http://jmdana.github.io/memprof/

它允许您在执行装饰方法期间记录和绘制变量的内存使用情况。你只需要导入库使用:

from memprof import memprof

并装饰你的方法使用:

@memprof

这是一个关于图的例子:

该项目托管在GitHub:

https://github.com/jmdana/memprof

我推荐Dowser。它非常容易安装，您不需要对代码进行任何更改。您可以通过时间查看每种类型的对象的计数，查看活动对象的列表，查看活动对象的引用，所有这些都来自简单的web界面。

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.server.quickstart()
    cherrypy.engine.start(blocking=False)

导入memdebug，并调用memdebug.start。这是所有。

我还没试过PySizer或Heapy。我很感激别人的评价。

更新

上面的代码是针对CherryPy 2的。X, CherryPyX服务器。快速启动方法已删除和引擎。Start不带阻塞标志。如果你用的是CherryPy 3。X

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.engine.start()

我的模块memory_profiler能够打印内存使用情况的逐行报告，并且适用于Unix和Windows(最后一个需要psutil)。输出不是很详细，但目标是让您了解代码在哪里消耗了更多内存，而不是对已分配对象的详尽分析。

在用@profile修饰你的函数并使用-m memory_profiler标志运行你的代码之后，它将逐行打印一个报告，如下所示:

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a