scalene 必须同时启用 --cpu、--memory 和 --gpu 才能完整采集 cpu、内存和 gpu 相关数据，缺一不可；--memory 非可选，漏则内存列全为空；--reduced-profile 会删除内存关键字段，调试时应禁用。
Scalene 能同时抓 CPU、内存和 Python 行级热点，但默认只开 CPU 分析——想三者全开，必须显式启用内存和 GPU（即使不用 GPU）开关，否则内存分配数据根本不会采集。
必须加 --memory 和 --cpu 才能拿到完整瓶颈视图
Scalene 默认只做 CPU 分析，--memory 不是可选附加项，而是独立开关；漏掉它，scalene 就当内存分析不存在。GPU 开关 --gpu 也得带上（哪怕没 GPU），否则内存采样逻辑会被跳过。
-
scalene --cpu --memory --gpu script.py是最简完整命令 - 不加
--memory：报告里% memory列全为-，malloc/free行无数据 - 加了
--memory但没加--gpu：部分版本会静默禁用内存追踪，尤其在 macOS 或无 NVIDIA 环境下 - 内存峰值单位是 MB，但采样间隔约 100ms，短时尖峰可能被平滑——别指望抓毫秒级泄漏
--reduced-profile 会砍掉内存关键字段，慎用
这个开关本意是压缩输出体积，但它会直接删掉 memory_mb、mem_alloc_mb 等列，导致内存瓶颈完全不可见。调试阶段务必不用它。
Python 3.14.2
下载
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
- 默认输出含 7 列：
% time,% mem,memory_mb,mem_alloc_mb,line,code,python - 加了
--reduced-profile后只剩% time,line,code三列 - 如果跑完发现内存列全空，先检查是否误加了这个参数
内存报告里的 mem_alloc_mb 是增量，不是累计值
Scalene 的内存列显示的是「该行代码单次执行导致的净内存增长（MB）」，不是总占用。高频小对象（如循环里建 list）可能每行只涨几 KB，但乘以十万次就成瓶颈。
-
mem_alloc_mb值小 ≠ 不重要——要看执行次数（line右侧的调用计数隐含在交互式报告里，终端输出不直接显示） - 真正危险的是
memory_mb高 +mem_alloc_mb持续正增长的组合，暗示未释放引用 - 字符串拼接、
json.loads()、pandas.read_csv()这类操作常在此列爆高，优先盯这些行
Scalene 的三合一能力很实在，但开关耦合度高——少一个标志，就丢一类数据。跑之前花十秒确认命令里有 --cpu --memory --gpu，比跑完翻报告找不着内存数字强得多。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
