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delgc.collect()。使用内存池或对象复用。9. 性能分析cProfilebash复制下载python -m cProfile -s cumtime script.pyline_profilerbash复制下载kernprof -l -v script.py10. 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。