我有一个长时间运行的脚本，如果让它运行足够长的时间，它将消耗我系统上的所有内存。
在不详细介绍脚本的情况下，我有两个问题：
【问题讨论】：
__del__ 方法的对象，这些对象除了循环之外不再被引用。由于__del__ 的问题，无法打破循环。修复它！
标签： python debugging memory-management memory-leaks
看看这篇文章：Tracing python memory leaks
另外，请注意garbage collection module 实际上可以设置调试标志。查看set_debug 函数。此外，查看this code by Gnibbler 以确定调用后创建的对象类型。
【讨论】：
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它自己的内存。所以主要是我会首先检查一些短的循环列表，因为它们不会被垃圾收集器拾取。
【讨论】：
您应该特别查看一下您的全局或静态数据（长期存在的数据）。
当这些数据不受限制地增长时，你也可以在 Python 中遇到麻烦。
垃圾收集器只能收集不再被引用的数据。但是你的静态数据可以连接应该被释放的数据元素。
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 - 至少只要它们没有被一些长期存在的数据所吸引。
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，您甚至可能看不到问题的出现，因为当您访问 dicts 时，字典中的键数可能对您来说不太明显......
【讨论】：
这绝不是详尽的建议。但是，在编写时要记住避免未来内存泄漏（循环）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。
【讨论】：
【讨论】：
我尝试了前面提到的大多数选项，但发现这个小巧直观的包是最好的：pympler
跟踪未被垃圾回收的对象非常简单，请查看以下小示例：
通过pip install pympler安装包
from pympler.tracker import SummaryTracker
tracker = SummaryTracker()
# ... some code you want to investigate ...
tracker.print_diff()
输出显示所有已添加的对象，以及它们消耗的内存。
样本输出：
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
此软件包提供了更多功能。检查pympler's documentation，特别是Identifying memory leaks部分。
【讨论】：
pympler可以是SLOW。如果您正在做一些半实时的事情，它会完全削弱您的应用程序性能。
就最佳实践而言，请留意递归函数。就我而言，我遇到了递归问题（不需要）。我正在做的一个简化示例：
def my_function():
# lots of memory intensive operations
# like operating on images or huge dictionaries and lists
.....
my_flag = True
if my_flag: # restart the function if a certain flag is true
my_function()
def main():
my_function()
以这种递归方式操作不会触发垃圾收集并清除函数的剩余部分，因此每次通过内存使用量都在增长。
我的解决方案是从 my_function() 中提取递归调用，并让 main() 处理何时再次调用它。这样函数自然结束并自行清理。
def my_function():
# lots of memory intensive operations
# like operating on images or huge dictionaries and lists
.....
my_flag = True
.....
return my_flag
def main():
result = my_function()
if result:
my_function()
【讨论】：
检测和定位长时间运行的进程的内存泄漏，例如在生产环境中，您现在可以使用stackimpact。它在下面使用tracemalloc。更多信息在this post。
【讨论】：
Tracemalloc module 从 Python 3.4 开始作为内置模块集成，并且显然它也可用于以前版本的 Python 为 a third-party library（虽然尚未测试）。
此模块能够输出分配最多内存的精确文件和行。恕我直言，此信息比为每种类型分配的实例数更有价值（最终在 99% 的情况下是很多元组，这是一个线索，但在大多数情况下几乎没有帮助）。
我建议您将 tracemalloc 与 pyrasite 结合使用。 10 次中有 9 次在 pyrasite-shell 中运行 top 10 snippet 将为您提供足够的信息和提示，以便在 10 分钟内修复泄漏。但是，如果您仍然无法找到泄漏原因，那么 pyrasite-shell 与此线程中提到的其他工具相结合可能也会为您提供更多提示。您还应该查看 pyrasite 提供的所有额外帮助程序（例如内存查看器）。
【讨论】：