内存分析：怎么对比不同场景下闭包的内存开销？-js教程-PHP中文网

闭包的内存开销主要取决于其捕获的自由变量是否为大对象，而非闭包本身大小；安全做法是只捕获轻量值，避免因闭包导致大数据无法被垃圾回收。

内存分析：怎么对比不同场景下闭包的内存开销？

直接测闭包本身内存不现实——闭包不是独立对象，而是函数对象附带的 __closure__ 元组和其中的 cell 对象。真正要对比的是：不同闭包结构在实际使用中引发的内存驻留差异。关键不在“闭包多大”，而在“它让哪些数据无法被释放”。

看闭包是否持有大对象引用

闭包的内存开销主要来自它捕获的自由变量（free variables）。如果这些变量是大型数据（如大列表、DataFrame、缓存字典），它们会因闭包存在而延长生命周期。

✅ 安全写法：只捕获轻量值（小整数、短字符串、函数名）

def make_adder(x):
    return lambda y: x + y  # x 是 int，开销极小
add5 = make_adder(5)

❌ 高风险写法：闭包内引用了本该短期存在的大数据

def make_processor(big_data):
    # big_data 可能几 MB，现在被闭包长期持有了
    return lambda idx: big_data[idx] * 2
processor = make_processor(large_list)  # large_list 不会被 gc，直到 processor 被销毁

用 sys.getsizeof + asizeof 辅助验证

`sys.getsizeof` 对函数对象返回固定基础开销（约 100–150 字节），看不出差异；真正要看的是 **闭包所依赖对象的实际总占用**：

先查闭包持有的 cell 内容：

Li Python Sec Check

Python 安全规范检查工具：基于 CloudBase 规范、腾讯安全指南，LLM 智能分析（默认禁用，优先本地执行）

下载

import sys
from pympler import asizeof

def make_closure(data):
    return lambda: data

cl = make_closure([i for i in range(100000)])
# 查看闭包内部引用了什么
if cl.__closure__:
    for cell in cl.__closure__:
        print("cell内容类型:", type(cell.cell_contents))
        print("cell内容大小:", asizeof.asizeof(cell.cell_contents))

对比两种闭包的总内存影响（推荐用 asizeof.asizeof()）：
- 场景 A：闭包捕获一个 1MB 列表
- 场景 B：闭包捕获一个 10 字节字符串
  → 两者函数对象大小几乎一样，但 asizeof.asizeof(cl) 差异可达百倍，因为 asizeof 会递归统计 cell_contents

警惕隐式长生命周期：闭包 + 全局存储

最常见泄漏模式：把闭包存进全局容器（如 list、dict、类属性），导致其捕获的所有数据永远不释放。

# 危险：全局列表不断累积闭包，每个都拖着自己的 big_data
handlers = []
for cfg in configs:
    handlers.append(lambda: process(cfg))  # cfg 被闭包捕获，且 handlers 永远不清理

# 正确：用默认参数切断引用
handlers.append(lambda cfg=cfg: process(cfg))  # cfg 值被绑定，不依赖外部作用域

与等效类实例对比更直观

闭包常被用来替代小型状态类。这时可直接比内存：

# 闭包方式
def make_counter():
    count = 0
    def inc(): nonlocal count; count += 1; return count
    return inc

# 类方式
class Counter:
    __slots__ = ['count']
    def __init__(self): self.count = 0
    def inc(self): self.count += 1; return self.count

c1 = make_counter()
c2 = Counter()