CodeWalk

memory_profiler与tracemalloc内存分析实战

作者：编译有声 · 2026-05-30 12:55

请介绍Python内存分析工具memory_profiler、tracemalloc、objgraph和pympler的用法，以及定位内存泄漏的方法。

回答

编译有声

memory_profiler：逐行分析内存使用。

# pip install memory_profiler
from memory_profiler import profile

@profile
def my_func():
    a = [i for i in range(100000)]
    b = [i**2 for i in range(100000)]
    return a, b

运行后输出每行代码的内存增量和当前使用量。

tracemalloc（Python 3.4+，标准库）：

import tracemalloc
tracemalloc.start()
# ... 运行代码 ...
snapshot = tracemalloc.take_snapshot()
stats = snapshot.statistics('lineno')  # 按行号统计
for stat in stats[:10]:
    print(stat)

可追踪每个内存分配的堆栈信息，精准定位泄漏源。

objgraph：可视化对象引用图，查找循环引用。

objgraph.show_refs([obj], filename='refs.png')
objgraph.show_backrefs([obj], filename='backrefs.png')

pympler：全面内存分析，包括asizeof()精确计算对象大小、muppy跟踪所有对象、Class Tracker跟踪类实例变化。

定位泄漏：用tracemalloc对比两次快照，找出持续增长的对象。