`tracemalloc` — 跟踪内存分配¶

在 3.4 版本加入。

tracemalloc 模块是一个调试工具，用于跟踪 Python 分配的内存块。它提供以下信息：

对象分配时的追溯
按文件名和行号统计已分配内存块：总大小、数量和已分配内存块的平均大小
计算两个快照之间的差异以检测内存泄漏

为了跟踪 Python 分配的大多数内存块，应该尽早启动该模块，方法是将 PYTHONTRACEMALLOC 环境变量设置为 1，或者使用 -X tracemalloc 命令行选项。 tracemalloc.start() 函数可以在运行时调用以开始跟踪 Python 内存分配。

默认情况下，已分配内存块的跟踪仅存储最新帧（1 帧）。要在启动时存储 25 帧：将 PYTHONTRACEMALLOC 环境变量设置为 25，或使用 -X tracemalloc=25 命令行选项。

示例¶

显示前 10 个¶

显示分配最多内存的 10 个文件

import tracemalloc

tracemalloc.start()

# ... run your application ...

snapshot = tracemalloc.take_snapshot()
top_stats = snapshot.statistics('lineno')

print("[ Top 10 ]")
for stat in top_stats[:10]:
    print(stat)

Python 测试套件的输出示例

[ Top 10 ]
<frozen importlib._bootstrap>:716: size=4855 KiB, count=39328, average=126 B
<frozen importlib._bootstrap>:284: size=521 KiB, count=3199, average=167 B
/usr/lib/python3.4/collections/__init__.py:368: size=244 KiB, count=2315, average=108 B
/usr/lib/python3.4/unittest/case.py:381: size=185 KiB, count=779, average=243 B
/usr/lib/python3.4/unittest/case.py:402: size=154 KiB, count=378, average=416 B
/usr/lib/python3.4/abc.py:133: size=88.7 KiB, count=347, average=262 B
<frozen importlib._bootstrap>:1446: size=70.4 KiB, count=911, average=79 B
<frozen importlib._bootstrap>:1454: size=52.0 KiB, count=25, average=2131 B
<string>:5: size=49.7 KiB, count=148, average=344 B
/usr/lib/python3.4/sysconfig.py:411: size=48.0 KiB, count=1, average=48.0 KiB

我们可以看到 Python 从模块加载了 4855 KiB 数据（字节码和常量），并且 collections 模块分配了 244 KiB 来构建 namedtuple 类型。

有关更多选项，请参阅 Snapshot.statistics()。

计算差异¶

拍摄两个快照并显示差异

import tracemalloc
tracemalloc.start()
# ... start your application ...

snapshot1 = tracemalloc.take_snapshot()
# ... call the function leaking memory ...
snapshot2 = tracemalloc.take_snapshot()

top_stats = snapshot2.compare_to(snapshot1, 'lineno')

print("[ Top 10 differences ]")
for stat in top_stats[:10]:
    print(stat)

运行 Python 测试套件某些测试之前/之后的输出示例

[ Top 10 differences ]
<frozen importlib._bootstrap>:716: size=8173 KiB (+4428 KiB), count=71332 (+39369), average=117 B
/usr/lib/python3.4/linecache.py:127: size=940 KiB (+940 KiB), count=8106 (+8106), average=119 B
/usr/lib/python3.4/unittest/case.py:571: size=298 KiB (+298 KiB), count=589 (+589), average=519 B
<frozen importlib._bootstrap>:284: size=1005 KiB (+166 KiB), count=7423 (+1526), average=139 B
/usr/lib/python3.4/mimetypes.py:217: size=112 KiB (+112 KiB), count=1334 (+1334), average=86 B
/usr/lib/python3.4/http/server.py:848: size=96.0 KiB (+96.0 KiB), count=1 (+1), average=96.0 KiB
/usr/lib/python3.4/inspect.py:1465: size=83.5 KiB (+83.5 KiB), count=109 (+109), average=784 B
/usr/lib/python3.4/unittest/mock.py:491: size=77.7 KiB (+77.7 KiB), count=143 (+143), average=557 B
/usr/lib/python3.4/urllib/parse.py:476: size=71.8 KiB (+71.8 KiB), count=969 (+969), average=76 B
/usr/lib/python3.4/contextlib.py:38: size=67.2 KiB (+67.2 KiB), count=126 (+126), average=546 B

我们可以看到 Python 已加载 8173 KiB 的模块数据（字节码和常量），这比上次拍摄快照时测试之前加载的 4428 KiB 要多。同样，linecache 模块已缓存 940 KiB 的 Python 源代码以格式化追溯，所有这些都发生在上次快照之后。

如果系统内存不足，可以使用 Snapshot.dump() 方法将快照写入磁盘，以便离线分析快照。然后使用 Snapshot.load() 方法重新加载快照。

获取内存块的追溯¶

显示最大内存块追溯的代码

import tracemalloc

# Store 25 frames
tracemalloc.start(25)

# ... run your application ...

snapshot = tracemalloc.take_snapshot()
top_stats = snapshot.statistics('traceback')

# pick the biggest memory block
stat = top_stats[0]
print("%s memory blocks: %.1f KiB" % (stat.count, stat.size / 1024))
for line in stat.traceback.format():
    print(line)

Python 测试套件的输出示例（追溯限制为 25 帧）

903 memory blocks: 870.1 KiB
  File "<frozen importlib._bootstrap>", line 716
  File "<frozen importlib._bootstrap>", line 1036
  File "<frozen importlib._bootstrap>", line 934
  File "<frozen importlib._bootstrap>", line 1068
  File "<frozen importlib._bootstrap>", line 619
  File "<frozen importlib._bootstrap>", line 1581
  File "<frozen importlib._bootstrap>", line 1614
  File "/usr/lib/python3.4/doctest.py", line 101
    import pdb
  File "<frozen importlib._bootstrap>", line 284
  File "<frozen importlib._bootstrap>", line 938
  File "<frozen importlib._bootstrap>", line 1068
  File "<frozen importlib._bootstrap>", line 619
  File "<frozen importlib._bootstrap>", line 1581
  File "<frozen importlib._bootstrap>", line 1614
  File "/usr/lib/python3.4/test/support/__init__.py", line 1728
    import doctest
  File "/usr/lib/python3.4/test/test_pickletools.py", line 21
    support.run_doctest(pickletools)
  File "/usr/lib/python3.4/test/regrtest.py", line 1276
    test_runner()
  File "/usr/lib/python3.4/test/regrtest.py", line 976
    display_failure=not verbose)
  File "/usr/lib/python3.4/test/regrtest.py", line 761
    match_tests=ns.match_tests)
  File "/usr/lib/python3.4/test/regrtest.py", line 1563
    main()
  File "/usr/lib/python3.4/test/__main__.py", line 3
    regrtest.main_in_temp_cwd()
  File "/usr/lib/python3.4/runpy.py", line 73
    exec(code, run_globals)
  File "/usr/lib/python3.4/runpy.py", line 160
    "__main__", fname, loader, pkg_name)

我们可以看到，大部分内存分配发生在 importlib 模块中，用于从模块加载数据（字节码和常量）：870.1 KiB。追溯显示了 importlib 最近加载数据的位置：doctest 模块的 import pdb 行。如果加载新模块，追溯可能会发生变化。

漂亮的前 10 个¶

显示分配最多内存的 10 行代码，并进行漂亮输出，忽略 <frozen importlib._bootstrap> 和 <unknown> 文件

import linecache
import os
import tracemalloc

def display_top(snapshot, key_type='lineno', limit=10):
    snapshot = snapshot.filter_traces((
        tracemalloc.Filter(False, "<frozen importlib._bootstrap>"),
        tracemalloc.Filter(False, "<unknown>"),
    ))
    top_stats = snapshot.statistics(key_type)

    print("Top %s lines" % limit)
    for index, stat in enumerate(top_stats[:limit], 1):
        frame = stat.traceback[0]
        print("#%s: %s:%s: %.1f KiB"
              % (index, frame.filename, frame.lineno, stat.size / 1024))
        line = linecache.getline(frame.filename, frame.lineno).strip()
        if line:
            print('    %s' % line)

    other = top_stats[limit:]
    if other:
        size = sum(stat.size for stat in other)
        print("%s other: %.1f KiB" % (len(other), size / 1024))
    total = sum(stat.size for stat in top_stats)
    print("Total allocated size: %.1f KiB" % (total / 1024))

tracemalloc.start()

# ... run your application ...

snapshot = tracemalloc.take_snapshot()
display_top(snapshot)

Python 测试套件的输出示例

Top 10 lines
#1: Lib/base64.py:414: 419.8 KiB
    _b85chars2 = [(a + b) for a in _b85chars for b in _b85chars]
#2: Lib/base64.py:306: 419.8 KiB
    _a85chars2 = [(a + b) for a in _a85chars for b in _a85chars]
#3: collections/__init__.py:368: 293.6 KiB
    exec(class_definition, namespace)
#4: Lib/abc.py:133: 115.2 KiB
    cls = super().__new__(mcls, name, bases, namespace)
#5: unittest/case.py:574: 103.1 KiB
    testMethod()
#6: Lib/linecache.py:127: 95.4 KiB
    lines = fp.readlines()
#7: urllib/parse.py:476: 71.8 KiB
    for a in _hexdig for b in _hexdig}
#8: <string>:5: 62.0 KiB
#9: Lib/_weakrefset.py:37: 60.0 KiB
    self.data = set()
#10: Lib/base64.py:142: 59.8 KiB
    _b32tab2 = [a + b for a in _b32tab for b in _b32tab]
6220 other: 3602.8 KiB
Total allocated size: 5303.1 KiB

有关更多选项，请参阅 Snapshot.statistics()。

记录所有跟踪内存块的当前大小和峰值大小¶

以下代码通过创建这些数字的列表，低效地计算两个和，例如 0 + 1 + 2 + ...。此列表会暂时消耗大量内存。我们可以使用 get_traced_memory() 和 reset_peak() 来观察计算和之后的小内存使用量以及计算期间的峰值内存使用量

import tracemalloc

tracemalloc.start()

# Example code: compute a sum with a large temporary list
large_sum = sum(list(range(100000)))

first_size, first_peak = tracemalloc.get_traced_memory()

tracemalloc.reset_peak()

# Example code: compute a sum with a small temporary list
small_sum = sum(list(range(1000)))

second_size, second_peak = tracemalloc.get_traced_memory()

print(f"{first_size=}, {first_peak=}")
print(f"{second_size=}, {second_peak=}")

输出

first_size=664, first_peak=3592984
second_size=804, second_peak=29704

使用 reset_peak() 确保我们能够准确记录 small_sum 计算期间的峰值，即使它远小于自 start() 调用以来内存块的总体峰值大小。如果没有调用 reset_peak()，second_peak 仍然是 large_sum 计算的峰值（即等于 first_peak）。在这种情况下，两个峰值都远高于最终的内存使用量，这表明我们可以进行优化（通过删除对 list 的不必要调用，并编写 sum(range(...))）。

API¶

函数¶

tracemalloc.clear_traces()¶

清除 Python 分配的内存块的跟踪。

另请参阅 stop()。

tracemalloc.get_object_traceback(obj)¶

获取 Python 对象 obj 被分配时的追溯。返回 Traceback 实例，如果 tracemalloc 模块未跟踪内存分配或未跟踪对象的分配，则返回 None。

另请参阅 gc.get_referrers() 和 sys.getsizeof() 函数。

tracemalloc.get_traceback_limit()¶

获取跟踪的追溯中存储的最大帧数。

tracemalloc 模块必须正在跟踪内存分配才能获取限制，否则会引发异常。

限制由 start() 函数设置。

tracemalloc.get_traced_memory()¶: 获取 tracemalloc 模块跟踪的内存块的当前大小和峰值大小，以元组形式返回：(current: int, peak: int)。

tracemalloc.reset_peak()¶

将 tracemalloc 模块跟踪的内存块的峰值大小设置为当前大小。

如果 tracemalloc 模块未跟踪内存分配，则不执行任何操作。

此函数仅修改记录的峰值大小，不像 clear_traces() 那样修改或清除任何跟踪。take_snapshot() 调用之前拍摄的快照可以与调用之后拍摄的快照进行有意义的比较。

另请参阅 get_traced_memory()。

在 3.9 版本中新增。

tracemalloc.get_tracemalloc_memory()¶: 获取 tracemalloc 模块用于存储内存块跟踪的内存使用量（以字节为单位）。返回一个 int。

tracemalloc.is_tracing()¶

如果 tracemalloc 模块正在跟踪 Python 内存分配，则为 True，否则为 False。

另请参阅 start() 和 stop() 函数。

tracemalloc.start(nframe: int = 1)¶

开始跟踪 Python 内存分配：在 Python 内存分配器上安装钩子。收集到的跟踪的追溯将被限制为 nframe 帧。默认情况下，内存块的跟踪只存储最近的帧：限制为 1。nframe 必须大于或等于 1。

您仍然可以通过查看 Traceback.total_nframe 属性来读取组成追溯的原始总帧数。

存储超过 1 帧仅在按 'traceback' 分组计算统计信息或计算累积统计信息时有用：请参阅 Snapshot.compare_to() 和 Snapshot.statistics() 方法。

存储更多帧会增加 tracemalloc 模块的内存和 CPU 开销。使用 get_tracemalloc_memory() 函数来测量 tracemalloc 模块使用的内存量。

可以使用 PYTHONTRACEMALLOC 环境变量（PYTHONTRACEMALLOC=NFRAME）和 -X tracemalloc=NFRAME 命令行选项在启动时开始跟踪。

另请参阅 stop()、is_tracing() 和 get_traceback_limit() 函数。

tracemalloc.stop()¶

停止跟踪 Python 内存分配：卸载 Python 内存分配器上的钩子。还会清除所有以前收集的 Python 分配的内存块的跟踪。

在清除跟踪之前，调用 take_snapshot() 函数来拍摄跟踪快照。

另请参阅 start()、is_tracing() 和 clear_traces() 函数。

tracemalloc.take_snapshot()¶

拍摄 Python 分配的内存块的跟踪快照。返回一个新的 Snapshot 实例。

快照不包括在 tracemalloc 模块开始跟踪内存分配之前分配的内存块。

跟踪的追溯限制为 get_traceback_limit() 帧。使用 start() 函数的 nframe 参数来存储更多帧。

tracemalloc 模块必须正在跟踪内存分配才能拍摄快照，请参阅 start() 函数。

另请参阅 get_object_traceback() 函数。

DomainFilter¶

class tracemalloc.DomainFilter(inclusive: bool, domain: int)¶

按内存块的地址空间（域）过滤跟踪。

在 3.6 版本加入。

inclusive¶

如果 inclusive 为 True (包含)，则匹配在地址空间 domain 中分配的内存块。

如果 inclusive 为 False (排除)，则匹配未在地址空间 domain 中分配的内存块。

domain¶: 内存块的地址空间（int）。只读属性。

Filter¶

class tracemalloc.Filter(inclusive: bool, filename_pattern: str, lineno: int = None, all_frames: bool = False, domain: int = None)¶

对内存块的跟踪进行过滤。

有关 filename_pattern 的语法，请参阅 fnmatch.fnmatch() 函数。'.pyc' 文件扩展名将替换为 '.py'。

示例：

Filter(True, subprocess.__file__) 只包括 subprocess 模块的跟踪
Filter(False, tracemalloc.__file__) 排除 tracemalloc 模块的跟踪
Filter(False, "<unknown>") 排除空追溯

3.5 版本中更改: '.pyo' 文件扩展名不再替换为 '.py'。

3.6 版本中更改: 添加了 domain 属性。

domain¶

内存块的地址空间（int 或 None）。

tracemalloc 使用域 0 来跟踪 Python 进行的内存分配。C 扩展可以使用其他域来跟踪其他资源。

inclusive¶

如果 inclusive 为 True (包含)，则只匹配在文件名与 filename_pattern 匹配的文件的 lineno 行号处分配的内存块。

如果 inclusive 为 False (排除)，则忽略在文件名与 filename_pattern 匹配的文件的 lineno 行号处分配的内存块。

lineno¶: 过滤器的行号（int）。如果 lineno 为 None，则过滤器匹配任何行号。

filename_pattern¶: 过滤器的文件名模式（str）。只读属性。

all_frames¶

如果 all_frames 为 True，则检查追溯的所有帧。如果 all_frames 为 False，则只检查最近的帧。

如果追溯限制为 1，则此属性无效。请参阅 get_traceback_limit() 函数和 Snapshot.traceback_limit 属性。

Frame¶

class tracemalloc.Frame¶

追溯中的帧。

Traceback 类是 Frame 实例的序列。

filename¶: 文件名（str）。

lineno¶: 行号（int）。

Snapshot¶

class tracemalloc.Snapshot¶

Python 分配的内存块的跟踪快照。

take_snapshot() 函数创建一个快照实例。

compare_to(old_snapshot: Snapshot, key_type: str, cumulative: bool = False)¶

与旧快照计算差异。以 StatisticDiff 实例的排序列表形式获取统计信息，按 key_type 分组。

有关 key_type 和 cumulative 参数，请参阅 Snapshot.statistics() 方法。

结果按从大到小排序：StatisticDiff.size_diff 的绝对值、StatisticDiff.size、StatisticDiff.count_diff 的绝对值、Statistic.count，然后按 StatisticDiff.traceback 排序。

dump(filename)¶

将快照写入文件。

使用 load() 重新加载快照。

filter_traces(filters)¶

创建一个新的 Snapshot 实例，其中包含过滤后的 traces 序列，filters 是 DomainFilter 和 Filter 实例的列表。如果 filters 是一个空列表，则返回一个包含跟踪副本的新 Snapshot 实例。

所有包含性过滤器同时应用，如果没有包含性过滤器匹配跟踪，则忽略该跟踪。如果至少有一个排他性过滤器匹配跟踪，则忽略该跟踪。

3.6 版本中更改: 现在 filters 也接受 DomainFilter 实例。

classmethod load(filename)¶

从文件中加载快照。

另请参阅 dump()。

statistics(key_type: str, cumulative: bool = False)¶

获取以 Statistic 实例的排序列表形式的统计信息，按 key_type 分组

key_type	description
`'filename'`	filename
`'lineno'`	文件名和行号
`'traceback'`	traceback

如果 cumulative 为 True，则累加跟踪的追溯中所有帧（而不仅仅是最近的帧）的内存块大小和数量。累积模式只能与 key_type 等于 'filename' 和 'lineno' 一起使用。

结果按从大到小排序：Statistic.size、Statistic.count，然后按 Statistic.traceback 排序。

traceback_limit¶: traces 的追溯中存储的最大帧数：快照拍摄时 get_traceback_limit() 的结果。

traces¶

所有 Python 分配的内存块的跟踪：Trace 实例序列。

序列的顺序未定义。使用 Snapshot.statistics() 方法获取统计信息的排序列表。

Statistic¶

class tracemalloc.Statistic¶

内存分配统计。

Snapshot.statistics() 返回一个 Statistic 实例列表。

另请参阅 StatisticDiff 类。

count¶: 内存块的数量（int）。

size¶: 内存块的总大小（以字节为单位）（int）。

traceback¶: 内存块分配时的追溯，Traceback 实例。

StatisticDiff¶

class tracemalloc.StatisticDiff¶

旧快照和新 Snapshot 实例之间内存分配的统计差异。

Snapshot.compare_to() 返回一个 StatisticDiff 实例列表。另请参阅 Statistic 类。

count¶: 新快照中的内存块数量（int）：如果新快照中内存块已释放，则为 0。

count_diff¶: 旧快照和新快照之间内存块数量的差异（int）：如果新快照中内存块已分配，则为 0。

size¶: 新快照中内存块的总大小（以字节为单位）（int）：如果新快照中内存块已释放，则为 0。

size_diff¶: 旧快照和新快照之间内存块总大小（以字节为单位）的差异（int）：如果新快照中内存块已分配，则为 0。

traceback¶: 内存块分配时的追溯，Traceback 实例。

Trace¶

class tracemalloc.Trace¶

内存块的跟踪。

Snapshot.traces 属性是 Trace 实例的序列。

3.6 版本中更改: 添加了 domain 属性。

domain¶

内存块的地址空间（int）。只读属性。

tracemalloc 使用域 0 来跟踪 Python 进行的内存分配。C 扩展可以使用其他域来跟踪其他资源。

size¶: 内存块的大小（以字节为单位）（int）。

traceback¶: 内存块分配时的追溯，Traceback 实例。

Traceback¶

class tracemalloc.Traceback¶

Frame 实例的序列，按从最旧帧到最新帧的顺序排序。

追溯至少包含 1 帧。如果 tracemalloc 模块未能获取帧，则使用文件名 "<unknown>" 和行号 0。

拍摄快照时，跟踪的追溯限制为 get_traceback_limit() 帧。请参阅 take_snapshot() 函数。追溯的原始帧数存储在 Traceback.total_nframe 属性中。这允许判断追溯是否因追溯限制而被截断。

Trace.traceback 属性是 Traceback 实例的一个实例。

3.7 版本中更改: 帧现在按从最旧到最新的顺序排序，而不是从最新到最旧。

total_nframe¶: 截断前组成追溯的总帧数。如果信息不可用，此属性可以设置为 None。

3.9 版本中更改: 添加了 Traceback.total_nframe 属性。

format(limit=None, most_recent_first=False)¶

将追溯格式化为行列表。使用 linecache 模块从源代码中检索行。如果设置了 limit，如果 limit 为正，则格式化 limit 个最近的帧。否则，格式化 abs(limit) 个最旧的帧。如果 most_recent_first 为 True，则格式化帧的顺序反转，返回最新的帧而不是最后的帧。

类似于 traceback.format_tb() 函数，不同之处在于 format() 不包含换行符。

示例

print("Traceback (most recent call first):")
for line in traceback:
    print(line)

输出

Traceback (most recent call first):
  File "test.py", line 9
    obj = Object()
  File "test.py", line 12
    tb = tracemalloc.get_object_traceback(f())

`tracemalloc` — 跟踪内存分配¶

示例¶

显示前 10 个¶

计算差异¶

获取内存块的追溯¶

漂亮的前 10 个¶

记录所有跟踪内存块的当前大小和峰值大小¶

API¶

函数¶

DomainFilter¶

Filter¶

Frame¶

Snapshot¶

Statistic¶

StatisticDiff¶

Trace¶

Traceback¶

目录

上一主题

下一主题

本页

tracemalloc — 跟踪内存分配¶

示例¶

显示前 10 个¶

计算差异¶

获取内存块的追溯¶

漂亮的前 10 个¶

记录所有跟踪内存块的当前大小和峰值大小¶

API¶

函数¶

DomainFilter¶

Filter¶

Frame¶

Snapshot¶

Statistic¶

StatisticDiff¶

Trace¶

Traceback¶

`tracemalloc` — 跟踪内存分配¶