浅谈Python 对象内存占用

浅谈Python 对象内存占用

Python是一种高级语言，由于它有自动内存管理机制，所以对象的内存管理都由Python解释器来处理。Python内存管理机制采用了引用计数的方式来管理对象的生命周期。当一个对象引用计数为0时，Python解释器便会自动将该对象所占用的内存释放掉。但是，当Python程序使用频繁或者处理大型数据时，仍然需要考虑内存使用情况。

以下是Python内存管理的一些细节方面的内容：

对象占用的内存大小

Python解释器对于不同类型的对象，它们占用内存的大小并不相同。比如一个整型数字的大小是28字节，一个列表元素的大小是64字节等等。Python解释器在内存分配时，会按照相应的方式来分配对应内存空间。类似于C++的内存管理方式，Python也有内存池的概念。对象被释放时，Python解释器并不是立即将该内存归还给操作系统，而是将其添加到内存池中进行管理。

如何查看对象内存占用情况

Python有个专门的内置模块memory_profiler，可以用于查看内存使用状况，如对象的内存占用大小、内存泄漏情况等。例如下面是一个简单的示例，用于查看创建10000个整型数字列表所占用的内存大小：

from memory_profiler import profile

@profile
def create_list():
    nums = [[0] * 10000 for _ in range(10000)]
    return nums

if __name__ == '__main__':
    create_list()

以上代码中，使用装饰器@profiler来执行函数create_list，并输出该函数的内存分配状况。执行结果如下：

Line #    Mem usage    Increment   Line Contents
================================================
     3   52.238 MiB   52.238 MiB   @profile
     4                             def create_list():
     5   76.543 MiB    0.000 MiB       nums = [[0] * 10000 for _ in range(10000)]
     6   76.543 MiB    0.000 MiB       return nums

可以看到，成功地输出了内存占用的情况。其中，第一列是代码所在行数，第二列是该行代码之前已经使用的内存占用情况，第三列是本行代码执行后内存占用的增量，第四列是代码内容。

对象的赋值、拷贝和引用

Python中的变量并不是保存对象的实际值，而是保存对象的引用（地址）。当一个对象被赋值给一个变量时，这个变量就持有了该对象的引用，而不是实际的对象本身。

Python的赋值、拷贝和引用操作会对内存占用情况产生影响。例如下面这个示例：

import sys

a = []
print(sys.getsizeof(a))  # 输出 an int which is the size of a list, a
b = a
print(sys.getsizeof(b))  # 输出 an int which is the size of the reference itself

输出结果如下：

72
24

可以看到，Python中一个空列表所占用内存大小为72个字节，而当该列表被其他变量引用时，其他变量占用内存大小仅为24个字节，这是因为其他变量并没有占用该列表的实际空间，而只是占用一个指向该列表的引用。

总结

本文从对象占用的内存大小、如何查看对象内存占用情况，对象常见操作的内存占用等方面来浅谈Python的内存管理。了解这些细节方面的内容，对于Python程序的优化和内存管理方面的优化都有很大的帮助。在处理大型数据和长期运行脚本的时候，能够更好地控制脚本的内存使用，从而为更好的性能和更优的用户体验提供支持。