Python中枚举类序列化/反序列化的内存占用疑义

为什么不是真泄漏？ #

首先明确：枚举类（enum.Enum）的实例是Python内置的单例模式，正常反序列化时应该复用已存在的实例，不会出现持续的内存泄漏。你看到的内存波动，本质是测量工具特性和Python内部机制导致的误判：

• tracemalloc的追踪特性：它会记录所有内存分配，包括临时对象、模块懒加载时生成的缓存结构。这些临时对象后续会被GC自动回收，但单次测量时会被计入增长。
• 枚举反序列化的路径差异：外部模块的枚举在反序列化时，需要通过模块路径查找类，过程中会生成临时字典、引用对象；本地枚举的查找路径更短，临时对象更少。而普通类实例反序列化是直接创建新对象，没有额外模块级缓存操作，所以内存波动不明显。

正确测量内存的方法 #

要避免误判，需要优化测量逻辑，聚焦真实的常驻内存变化：

• 强制触发垃圾回收：每次内存快照前调用gc.collect()，确保临时对象被回收后再统计。
• 增加循环次数并观察趋势：单次循环的波动没有参考性，循环1000次以上，看内存是否稳定在某个区间——如果不再持续上升，就说明没有泄漏。
• 区分临时内存和常驻内存：用pympler.Tracker或者memory_profiler这类工具，它们能更精准地统计真正留在内存中的对象，而非临时分配的结构。
• 对比稳定状态的内存：先让程序运行几轮序列化/反序列化循环，等内存稳定后，再对比后续循环的内存变化，排除初始化阶段的临时分配干扰。

针对测试场景的代码优化示例 #

调整你的测试代码，加入GC触发和多次循环：

import gc
import pickle
import tracemalloc
from enum import Enum

# 模拟外部模块枚举
class ExternalEnum(Enum):
    VALUE_A = 1
    VALUE_B = 2

class LocalEnum(Enum):
    VALUE_1 = 1
    VALUE_2 = 2

class NormalClass:
    def __init__(self, val):
        self.val = val

def run_test(name, obj_gen_func):
    tracemalloc.start()
    # 初始化+GC清理
    for _ in range(100):
        obj = obj_gen_func()
        pickle.loads(pickle.dumps(obj))
    gc.collect()
    baseline = tracemalloc.take_snapshot()

    # 正式测试循环
    for _ in range(1000):
        obj = obj_gen_func()
        pickle.loads(pickle.dumps(obj))
    gc.collect()
    final = tracemalloc.take_snapshot()

    # 输出关键变化
    print(f"\n=== {name} 内存变化 ===")
    stats = final.compare_to(baseline, 'lineno')
    for stat in stats[:3]:
        print(stat)

# 执行测试
run_test("普通类实例", lambda: NormalClass(1))
run_test("本地枚举", lambda: LocalEnum.VALUE_1)
run_test("外部枚举", lambda: ExternalEnum.VALUE_A)

运行后你会发现，经过GC和多次循环，内存增长会趋于稳定，不会持续上升，验证了不存在真实泄漏。

内容的提问来源于stack exchange，提问作者Matthieu Dartiailh