如何用 Python tracemalloc 快速定位内存泄漏和内存占用过高问题

Python 自带的 tracemalloc 模块能够记录内存分配调用的栈信息，是排查内存泄漏和内存异常增长的有效手段。它从 Python 3.4 开始就被纳入标准库，使用起来没有额外依赖。

如何开启 tracemalloc 跟踪

在程序入口处调用 tracemalloc.start() 即可开始跟踪内存分配。通常建议在程序启动最早的位置开启，这样才能覆盖到全部内存行为。

import tracemalloc

# 开启内存跟踪，保存 25 层调用栈
tracemalloc.start(25)

# 下面是业务代码
def load_data():
    return [i for i in range(100000)]

data = load_data()

获取当前内存快照

通过 tracemalloc.get_snapshot() 可以拿到当前时刻的内存快照，快照里包含了所有未释放内存的分配位置与大小。

import tracemalloc

tracemalloc.start()
# 执行业务逻辑
snapshot = tracemalloc.get_snapshot()
# 按内存占用大小排序，取前 10 个
top_stats = snapshot.statistics('lineno')
for stat in top_stats[:10]:
    print(stat)

对比快照定位内存增长

如果程序运行一段时间后内存变高，可以对比前后两次快照，直接看出哪些代码新分配了最多内存。

import tracemalloc

tracemalloc.start()
snapshot1 = tracemalloc.get_snapshot()

# 模拟内存增长操作
cache = []
for _ in range(5):
    cache.append(' ' * 10**6)

snapshot2 = tracemalloc.get_snapshot()
# 对比两个快照，显示差异最大的 5 处
stats = snapshot2.compare_to(snapshot1, 'lineno')
for stat in stats[:5]:
    print(stat)

解读统计结果

statistics('lineno') 按文件行号统计，statistics('filename') 按文件统计，statistics('traceback') 则展示完整调用栈。输出中的 size 表示占用字节数，count 表示分配次数。

实际排查建议

在真实项目中，可以写一个定时任务或者在请求处理前后打快照。如果发现某次接口调用后内存明显上涨且未回落，就用 compare_to 找到对应代码行，检查是否存在全局变量缓存、未关闭的资源或循环引用等问题。

注意：tracemalloc 只跟踪 Python 层内存分配，C 扩展分配的内存不会体现在统计中。

关闭跟踪

排查结束后调用 tracemalloc.stop() 停止跟踪，避免带来额外性能开销。

import tracemalloc

tracemalloc.start()
# 排查动作
tracemalloc.stop()

Pythontracemalloc内存泄漏修改时间：2026-07-30 22:42:22