企业官网建设流程全解析

1. Python 内存管理概述

Python 使用私有堆管理内存，核心机制包括引用计数和垃圾回收。对象分配由 PyObject 管理，小对象使用 pymalloc 分配器。

2. 引用计数

每个对象维护ob_refcnt。引用增加：

python

复制

下载

a = [] b = a # 引用计数 +1

引用减少：

python

复制

下载

del b

引用计数为 0 时立即释放。

3. 循环引用问题

python

复制

下载

class Node: def __init__(self): self.next = None a = Node() b = Node() a.next = b b.next = a del a, b

此时引用计数不为 0，需要 GC 处理。

4. 垃圾回收

Python GC 分三代：0、1、2。新对象在第 0 代，经历回收后晋升。可通过gc模块控制：

python

复制

下载

import gc gc.collect() gc.get_threshold() gc.set_threshold(700, 10, 10)

5. 查看内存使用

python

复制

下载

import sys a = [1, 2, 3] print(sys.getsizeof(a))

使用psutil查看进程内存：

python

复制

下载

import psutil, os process = psutil.Process(os.getpid()) print(process.memory_info().rss / 1024 / 1024, "MB")

6. tracemalloc 排查内存泄漏

python

复制

下载

import tracemalloc tracemalloc.start() # 执行可疑代码 snapshot = tracemalloc.take_snapshot() top_stats = snapshot.statistics("lineno") for stat in top_stats[:10]: print(stat)

7. 常见内存泄漏场景

• 全局列表不断追加。

• 闭包引用大对象。

• 缓存未设置过期。

• 循环引用 +__del__。

• C 扩展未释放。

8. 优化技巧

• 使用生成器代替列表：

python

复制

下载

def read_lines(path): with open(path) as f: for line in f: yield line

• 使用__slots__减少对象内存：

python

复制

下载

class Point: __slots__ = ("x", "y") def __init__(self, x, y): self.x = x self.y = y

• 使用array、numpy存储数值。

• 及时释放大对象：del+gc.collect()。

• 使用内存池或对象复用。

9. 性能分析

cProfile：

bash

复制

下载

python -m cProfile -s cumtime script.py

line_profiler：

bash

复制

下载

kernprof -l -v script.py

10. 实战案例

某服务运行 24 小时后内存从 200MB 涨到 2GB。使用 tracemalloc 定位到全局字典缓存未清理。改为 LRU 缓存后稳定在 300MB。

11. 总结

Python 内存管理看似自动，实则需要注意循环引用、缓存和全局对象。掌握 tracemalloc、gc 和 cProfile，可以快速定位并解决内存与性能问题。