怎样在Python中利用sys.getsizeof测量对象实际占用内存-Python教程-PHP中文网

sys.getsizeof 返回对象在c层的直接内存开销，不包括其引用的其他对象；仅对内置类型有明确定义，自定义类需实现__sizeof__才准确。

怎样在python中利用sys.getsizeof测量对象实际占用内存

sys.getsizeof 返回的是什么，不是对象总内存

sys.getsizeof 只返回 Python 对象本身在 C 层的直接内存开销，不包括它引用的其他对象。比如一个 list 里存了 100 个 int，sys.getsizeof 只算这个 list 结构体（指针数组、长度字段等）占多少字节，那 100 个 int 对象各自的内存完全不计入。

常见误解是以为它能测“整个数据结构的内存占用”，结果发现小列表返回 80 字节，大列表也才 100 多字节——其实是因为 int 对象被单独分配在堆上，sys.getsizeof 看不见。

只对内置类型（int、str、tuple、list、dict 等）有明确定义；自定义类实例默认返回固定值（如 56 字节），除非实现了 __sizeof__
字符串的返回值包含末尾的 null 字节（C 风格），所以 len(s) 为 n 的 ASCII 字符串，sys.getsizeof(s) 通常是 n + 49 左右（含开销）
空容器不一定为 0：空 list 是 56 字节，空 dict 是 240 字节（CPython 3.12），这些是底层哈希表的最小分配

想测真实总内存，得递归遍历引用链

要接近真实内存用量，必须手动追踪对象引用关系，对每个子对象调用 sys.getsizeof 并累加。但要注意循环引用、重复引用（比如同一个 str 被多个地方引用）、以及不可见的 C 扩展对象（如 numpy.ndarray 的 buffer）。

最简可行做法是用 gc.get_referents 获取直接引用的对象，再递归处理，同时用 id() 去重避免重复计算：

testing-python

使用pytest编写和评估有效的Python测试。适用于编写测试、审查测试代码、调试测试失败或提高测试覆盖率。

下载

import sys
import gc
<p>def get_deep_size(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)
if hasattr(obj, '<strong>dict</strong>'):
size += get_deep_size(obj.<strong>dict</strong>, seen)
if isinstance(obj, (list, tuple, set, frozenset)):
size += sum(get_deep_size(i, seen) for i in obj)
elif isinstance(obj, dict):
size += sum(get_deep_size(k, seen) + get_deep_size(v, seen) for k, v in obj.items())
return size
</p>

这函数不处理 __slots__ 类、array.array、ctypes 对象或第三方扩展类型（如 numpy 数组需单独调 .nbytes）
对含大量嵌套或共享子对象的结构（如图、树、配置字典），结果仍会偏低——因为 C 层 buffer（如 bytearray 底层内存）可能未被 sys.getsizeof 捕获
运行时会触发 GC 扫描，对性能敏感场景慎用

测量前先确认对象是否已被优化或共享

Python 会对小整数（-5 到 256）、短字符串做缓存和复用，导致 sys.getsizeof 看似“不准”。比如两个值为 "hello" 的变量，id() 可能相同，但 sys.getsizeof 各自调用仍返回相同数字——这不是 bug，是它们本就共享同一块内存。

小整数（int）：-5 ≤ x ≤ 256 的对象全局唯一，sys.getsizeof(42) 和 sys.getsizeof(1000) 都返回 28，但后者实际新开辟内存
字符串驻留（interning）：仅限于编译期确定的标识符风格字符串（如变量名、键名），运行时拼接的 "a" + "b" 一般不驻留
列表推导式生成的 list 和显式构造的 list 在内存布局上无区别，但若元素是可变对象，引用关系才影响深度计算

替代方案：用 memory_profiler 或 tracemalloc 定位真实增长

如果目标是调试内存泄漏或分析某段代码的内存消耗，硬算 sys.getsizeof 很容易漏掉关键部分。更可靠的是用 tracemalloc（标准库）抓取堆内存分配源头：

import tracemalloc
<p>tracemalloc.start()</p><h1>... 运行你的代码 ...</h1><p>current, peak = tracemalloc.get_traced_memory()
print(f"当前使用 {current / 1024 / 1024:.1f} MB，峰值 {peak / 1024 / 1024:.1f} MB")
stats = tracemalloc.take_snapshot().statistics('lineno')
for stat in stats[:3]:
print(stat)
</p>