ai-infra-interview-305

第 273 题：Python的`memory profiler`使用？`tracemalloc`？

题目

Python的memory profiler使用？tracemalloc？

完整讲解

一、内存分析需求

Python 动态分配、引用计数与 GC，内存泄漏或大对象常需定位「谁在占用」。memory profiler 用于统计各函数/行分配量、追踪对象增长，便于发现泄漏与优化大结构。

二、tracemalloc 使用

tracemalloc（标准库，Python 3.4+）可追踪分配来源（文件名、行号）。tracemalloc.start() 开启；tracemalloc.get_traced_memory() 得当前 traced 内存；tracemalloc.get_tracemalloc_memory() 得 tracemalloc 自身开销；tracemalloc.get_object_traceback(obj) 可查某对象分配处。snapshot = tracemalloc.take_snapshot() 后对 snapshot.statistics('lineno') 排序可看分配最多的行。

三、其他工具与注意

memory_profiler 包：@profile 装饰器或 mprof run 做逐行内存占用；与 tracemalloc 互补（一个看行级、一个看调用栈/对象）。生产环境 tracemalloc 有开销，可按需开启或采样。

面试要点

内存分析：定位泄漏、大对象；常用 tracemalloc（标准库）与 memory_profiler。
tracemalloc：start → take_snapshot → statistics(‘lineno’) 看分配最多的行；get_object_traceback 查对象分配处。
memory_profiler：@profile 或 mprof 做逐行内存；可和 tracemalloc 配合。
tracemalloc 有运行时开销，生产可按需或采样开启。

记忆要点

tracemalloc = 标准库、追踪分配来源（文件/行）；snapshot + statistics。
memory_profiler = 逐行内存；@profile / mprof。
分析泄漏看增长与引用；注意 tracemalloc 开销。

返回模块

返回总览