为何tracemalloc输出的内存占用远小于10.6MB的JSON文件大小？

主要有两个核心原因：

1. 函数返回对象未被保留，已被垃圾回收 #

你的代码中asyncio.run(test())执行完毕后，test()返回的row对象没有被赋值给任何变量，Python的垃圾回收机制会立即回收这个大对象占用的内存。而你是在asyncio.run()之后才调用snapshot = tracemalloc.take_snapshot()，此时这部分内存已经被释放，自然不会被统计到。

2. Python对象与JSON文本的内存存储效率差异 #

即使对象没被回收，Python对象的内存占用也不等于JSON文件的大小：

• JSON是纯文本格式，包含大量冗余的语法字符（比如引号、逗号、大括号），这些在转成Python的dict/list等数据结构后会被移除，只保留实际数据。
• Python会对内部对象进行内存优化，比如重复的字符串键会被复用（字典中相同的键只存储一次字符串对象，其余为引用），小整数对象会被缓存，这些都能大幅降低内存占用。

验证方法 #

如果要准确统计加载JSON后的内存占用，需要保留对象引用，调整代码如下：

import asyncio
import aiofiles
from ast import literal_eval
import tracemalloc

async def test():
    async with aiofiles.open('somefile.json',"r") as f:
        line = await f.readline()  
        row = literal_eval(line)  
        return row

tracemalloc.start()
# 保留返回的对象，避免被GC回收
row = asyncio.run(test())
snapshot = tracemalloc.take_snapshot()
top_stats = snapshot.statistics('lineno')
total = sum(stat.size for stat in top_stats)
print("Total allocated size: %.1f KiB" % (total / 1024))
# 手动保留对象，直到快照完成
del row

这样修改后，统计结果会更接近实际加载JSON对象后的内存占用（但依然可能略小于文件大小，因为Python对象的存储效率更高）。

内容的提问来源于stack exchange，提问作者tohardtme