如何解读Python内存分析图？Heap与Resident Size差异解析

一、Heap Size与Resident Size的核心区别 #

Resident Size #

这是系统层面统计的进程实际占用物理RAM的总大小，包含：

• Python解释器本身的代码和内存
• 脚本依赖的所有第三方库、系统库的加载内存
• 进程的栈内存、堆内存
• 内核为进程分配的其他辅助内存

你可以把它理解为操作系统视角下，这个Python进程“占了多少内存条空间”。

Heap Size #

这是Python虚拟机层面统计的动态分配对象的内存总和，仅包含你的脚本运行时创建的所有Python对象（比如列表、字典、自定义类实例、字符串等）占用的内存。它是脚本运行实际用到的内存（已分配给对象的部分），不是Python内存池预留的未使用空间——Memray只会统计已经被实际使用的堆内存，预留的空闲内存不会计入。

简单说：Heap Size是你的业务代码直接产生的内存开销，Resident Size是整个Python进程的总内存占用量。

二、Memray内存图表的读取方法 #

以Memray默认的时间线图表为例：

• 横轴：脚本从启动到结束的时间轴，标注了关键时间节点
• 纵轴：内存占用量（单位通常为MB/GB）
• 曲线含义：
  • Heap Size曲线：直接反映脚本中对象的创建与销毁情况。突然上升说明代码创建了大量对象（比如批量读取数据、生成大列表）；下降说明Python垃圾回收机制回收了未被引用的对象，或者你手动释放了对象内存。
  • Resident Size曲线：变化相对平缓，因为它包含更多非业务对象的内存开销。比如脚本启动时加载解释器和库，曲线会快速上升；之后即使Heap Size下降，Resident Size可能不会立刻回落（因为操作系统不会马上回收已分配给进程的物理内存）。
• 关键指标看峰值：
  • Heap Size峰值：对应脚本运行中内存需求最紧张的时刻，通常是业务逻辑中对象数量最多的阶段，也是内存泄漏排查的重点关注节点。
  • Resident Size峰值：是进程实际占用物理内存的最大值，反映了整个Python进程对系统内存的最高需求。
• 差值分析：如果Heap Size远小于Resident Size，说明进程的内存开销主要来自Python解释器、依赖库等非业务代码部分，而非你的脚本逻辑。

内容的提问来源于stack exchange，提问作者Tlaloc-ES