你是否曾经为python程序的内存占用问题头疼不已？

是否觉得内存泄漏、对象占用过多内存等问题难以排查？

别急，今天我要介绍一个神器——pympler，让你轻松搞定python内存分析！

01

什么是pympler？

pympler 是一个用于分析python程序内存使用的工具库。

它可以帮助你：

• 查看对象的内存占用情况
• 检测内存泄漏
• 分析对象的生命周期
• 统计内存使用情况

它就是内存的探测器，可以让内存问题无处遁形。

02

安装pympler——准备好你的“内存分析工具箱”

在开始之前，我们需要安装 pympler。

只需一行命令，就能搞定！

pip install pympler

03

使用pympler分析内存占用

pympler 提供了多种工具来分析内存占用，比如 asizeof、tracker 和 muppy。

3.1 使用 asizeof 查看对象内存占用

asizeof 可以帮助你查看单个对象的内存占用情况。

# -*- coding: utf-8 -*-
from pympler import asizeof


if __name__ == '__main__':
    data = [i for i in range(10000)]
    # 列表占用的内存：405168 字节
    print(f"列表占用的内存：{asizeof.asizeof(data)} 字节")

可以看到一个10000个整形数据的列表，将占用405168个字节，一目了然。

3.2 使用 tracker 跟踪对象创建和销毁

tracker 可以帮助你跟踪对象的创建和销毁，检测内存泄漏。

# -*- coding: utf-8 -*-
from pympler import tracker


if __name__ == '__main__':
    tr = tracker.SummaryTracker()


    data = [i for i in range(10000)]
    # 第一次查看内存变化
    tr.print_diff()
    # 第二次查看内存变化
    tr.print_diff()
    # 第三次查看内存变化
    tr.print_diff()

当我们调用print_diff时，会打印本次与上次summary之间的差异，查看内存变化。这里测试时我们使用了三次print_diff，可以看到三次不同的输出：

可以看到每一次的内存变化，当出现====的内容时表示没有内存泄漏，因此可以在不同时期调用来获取内存差异来监控内存。

3.3 使用 muppy 分析内存使用情况

muppy 可以帮助你分析当前内存中的对象，找出内存占用最多的对象。

from pympler import muppy, summary


if __name__ == '__main__':
    # 获取当前内存中的所有对象
    all_objects = muppy.get_objects()


    # 统计内存使用情况
    summ = summary.summarize(all_objects)
    summary.print_(summ)

上面的截图中可以看到不同类型的内存占用情况，虽然我们没有做任何操作，但导入和调用muppy也产生了不少内存消耗。

04

实际应用场景

pympler 在实际开发中有很多应用场景，比如：

• 检测内存泄漏：通过 tracker 跟踪对象的创建和销毁，找出未释放的对象。
• 优化内存占用：通过 asizeof 和 muppy 找出内存占用最多的对象，进行优化。
• 分析对象生命周期：通过 tracker 分析对象的生命周期，找出不必要的对象创建。

结尾

恭喜你！你已经学会了如何使用 pympler 分析python程序的内存使用情况！

是不是觉得内存问题也没那么难？

快去试试，看看你的程序中有哪些内存问题！