__sizeof__ 返回的只是对象本身的内存，不包括引用对象
直接调用 __sizeof__ 得到的数值，往往远小于你“感觉”该对象占的内存。比如一个包含 1000 个整数的列表，list.__sizeof__() 只返回列表结构体本身的开销（约 80 字节），不包含那 1000 个 int 对象各自占用的空间——它们是独立分配在堆上的，被列表引用，但不算在列表自身的 __sizeof__ 里。
这意味着：如果你只看 obj.__sizeof__()，对大多数复合对象（list、dict、自定义类实例）来说，结果基本没实用价值。
- 内置容器类型（
list、tuple、dict）的__sizeof__通常只覆盖其内部指针数组和元数据，不递归计算元素 - 自定义类实例的
__sizeof__默认继承自object，返回的是实例字典（__dict__）和对象头的大小，不含属性值本身（如果值是小整数、短字符串等可能被缓存或内联，情况更复杂） -
sys.getsizeof()是更安全的起点，它会尝试调用对象的__sizeof__并加上常见引用对象的估算（如dict的键值对），但仍非完全递归
想真正算清总内存，必须手动递归 + 排重
Python 没有内置的“深内存大小”函数，因为对象图可能存在循环引用、共享子对象（比如多个对象引用同一个 str 或 tuple），盲目递归会重复计数或栈溢出。
可靠的做法是用 sys.getsizeof() 配合 gc.get_referents() 手动遍历，并用 id() 去重：
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。
import sys
import gc
<p>def deep_sizeof(obj, seen=None):
if seen is None:
seen = set()
obj_id = id(obj)
if obj_id in seen:
return 0
seen.add(obj_id)
size = sys.getsizeof(obj)</p><h1>获取直接引用的对象（跳过字符串、小整数等不可变常量，避免误入全局池）</h1><pre class="brush:python;toolbar:false;">for referent in gc.get_referents(obj):
if not isinstance(referent, (str, bytes, int, float, type(None), bool)):
size += deep_sizeof(referent, seen)
return size
- 这个函数不是万能的：它跳过了
str、int等常见不可变类型，因为它们可能被大量共享，计入会导致严重高估 - 对含
__slots__的类，__dict__不存在，sys.getsizeof()行为不同，需单独处理 - 某些 C 扩展对象（如
numpy.ndarray）可能不响应gc.get_referents()，得查其文档找专用方法（如.nbytes）
自定义类要精确控制，得重写 __sizeof__ 并明确语义
如果你真需要让自己的类支持 __sizeof__，别只返回 super().__sizeof__()。必须想清楚：你希望它反映什么？是“本实例结构体大小”，还是“本实例及其直接持有数据的总大小”？两者语义完全不同。
例如一个缓存类：
class Cache:
def __init__(self):
self._data = {}
self._meta = []
<pre class="brush:python;toolbar:false;">def __sizeof__(self):
# 只算自身结构 + dict/tuple 的容器开销（不递归内容）
return super().__sizeof__() + sys.getsizeof(self._data) + sys.getsizeof(self._meta)
- 这样写至少比默认值有用，但它依然不包含
self._data里 key/value 占的内存 - 如果业务真依赖“总内存上限”，建议暴露一个
estimated_memory_usage()方法，内部调用上面提到的deep_sizeof并注明“含估算，不含共享对象” - 切记：重写
__sizeof__不会影响sys.getsizeof()的行为——后者会优先调用你的实现，但不会自动递归
实际调试时，优先用 memory_profiler 而非手算
手工实现 deep_sizeof 容易出错，且难以覆盖所有边缘情况（比如 weakref、closure、frame 对象）。真实场景下，更推荐用 memory_profiler 包做行级或函数级监控：
pip install memory-profiler # 然后在脚本里加装饰器或行魔术
-
@profile装饰器能显示每行内存增量，比静态大小更有诊断价值 -
memory_usage(-1)可抓取当前进程整体内存，适合观察泄漏趋势 - 它底层也用
gc.get_objects()和sys.getsizeof()，但做了大量适配和过滤，比自己写的鲁棒得多
真正难的不是算单个对象，而是理解哪些对象不该被计入、哪些被反复引用、哪些生命周期异常——这些靠数字本身说不清，得结合引用链和业务逻辑判断。
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！
