建议使用哪个 Python 内存分析器？

我想知道我的 Python 应用程序的内存使用情况，尤其想知道哪些代码块 / 部分或对象消耗了最多的内存。 Google 搜索显示商用的是Python Memory Validator （仅限 Windows）。

开源的是PySizer和Heapy 。

我没有尝试过任何人，所以我想知道哪个是最好的考虑因素：

提供大多数细节。
我不必对代码进行最少的更改，也可以不做任何更改。

答案

我的模块memory_profiler能够逐行打印内存使用情况的报告，并且可以在 Unix 和 Windows 上运行（在最后一个版本中需要 psutil）。输出不是很详细，但目标是概述代码在哪里消耗了更多的内存，而不是对分配的对象进行详尽的分析。

@profile装饰函数-m memory_profiler标志运行代码后，它将打印如下一行报告：

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a

guppy3 的使用非常简单。在代码中的某些时候，您必须编写以下代码：

from guppy import hpy
h = hpy()
print(h.heap())

这将为您提供如下输出：

Partition of a set of 132527 objects. Total size = 8301532 bytes.
Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
0  35144  27  2140412  26   2140412  26 str
1  38397  29  1309020  16   3449432  42 tuple
2    530   0   739856   9   4189288  50 dict (no owner)

您还可以从哪里找到对象的引用，并获取有关该对象的统计信息，但是以某种方式，该文档上的文档很少。

还有一个用 Tk 编写的图形浏览器。

对于 Python 2.x，请使用Heapy 。

我推荐Dowser 。设置非常容易，您需要对代码进行零更改。您可以通过简单的 Web 界面随时查看每种类型的对象计数，查看活动对象列表，查看对活动对象的引用。

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.server.quickstart()
    cherrypy.engine.start(blocking=False)

您导入 memdebug，然后调用 memdebug.start。就这样。

我没有尝试过 PySizer 或 Heapy。我会很感激别人的评论。

更新

上面的代码适用于CherryPy 2.X ， CherryPy 3.X ， server.quickstart方法已被删除， engine.start不blocking标志。因此，如果您使用的是CherryPy 3.X

# memdebug.py

import cherrypy
import dowser

def start(port):
    cherrypy.tree.mount(dowser.Root())
    cherrypy.config.update({
        'environment': 'embedded',
        'server.socket_port': port
    })
    cherrypy.engine.start()