如何查看Python解释器自身的内存消耗

为什么memory-profiler无法满足测量需求 #

该工具的核心统计逻辑是绑定到被装饰的函数、命令行指定的待测代码块，从代码块执行的时刻才开始计算内存增量，无法覆盖解释器启动、初始化运行环境、加载内置模块这些阶段的基底内存占用，因此没法拿到解释器自身的全量内存消耗值。

基于tracemalloc的可落地实现 #

tracemalloc作为Python内置标准库模块，完全可以匹配测量需求：它支持在解释器启动的早期阶段开启内存跟踪，能够精准区分解释器运行环境本身的内存开销、和业务代码执行产生的增量内存占用。
具体实现操作要点：

• 将tracemalloc的跟踪启动逻辑放在脚本的最顶端，也就是所有第三方库导入、业务逻辑执行之前的位置，让跟踪起点对齐解释器基础初始化完成的节点
• 在跟踪启动的第一时间捕获内存快照，读取的快照内存值就是解释器自身的基础内存消耗
• 如果需要排除业务代码的内存干扰，可以通过快照对比的方式，单独剥离出解释器运行相关的内存块统计值
  对应的示例代码：

# 以下代码必须放在脚本最顶部，在任何第三方库导入、业务代码逻辑之前运行
import tracemalloc

# 启动内存跟踪
tracemalloc.start()
# 捕获初始内存快照
initial_snapshot = tracemalloc.take_snapshot()
# 统计解释器基础内存占用
total_baseline = sum(stat.size for stat in initial_snapshot.statistics('lineno'))
# 转换为MB单位输出
print(f"当前Python解释器自身内存消耗: {total_baseline / 1024 / 1024:.2f} MB")

测量注意事项：

• 如果需要测量纯解释器（无额外第三方库加载）的内存值，不要在tracemalloc启动后执行任何额外的导入、逻辑操作，直接读取初始快照值即可
• 如果需要测量加载完所有项目依赖后、执行业务逻辑前的解释器内存，就把初始快照的捕获位置调整到所有import语句完成、第一行业务逻辑开始之前即可
• tracemalloc统计的是Python运行时层面申请的内存，如果需要获取操作系统视角下的解释器进程总常驻内存，可以在同节点调用系统进程查询接口，获取包含C扩展底层申请内存在内的全量进程内存值做交叉验证。

内容的提问来源于stack exchange，提问作者Альберт Александров