Python中如何检测Web应用是否存在内存泄漏

检测Python Web应用内存泄漏，核心是监控进程内存使用并分析对象引用。推荐用 tracemalloc 和 objgraph 来定位问题。

先装个包：

pip install objgraph

下面是个Flask应用的例子，演示怎么用：

import tracemalloc
import objgraph
from flask import Flask, jsonify
import gc

app = Flask(__name__)

# 启动内存跟踪
tracemalloc.start()

# 模拟一个可能泄漏的数据结构
leaky_data = []

@app.route('/leak')
def leaky_endpoint():
    """ 这个端点每次调用都会泄漏数据 """
    # 模拟泄漏：将大量数据添加到全局列表，且不释放
    data = [i for i in range(10000)]
    leaky_data.append(data)
    return jsonify({"message": "Data added", "current_leak_size": len(leaky_data)})

@app.route('/memory')
def memory_status():
    """ 查看当前内存快照和对象增长情况 """
    # 获取当前内存快照
    snapshot = tracemalloc.take_snapshot()
    top_stats = snapshot.statistics('lineno')[:10]  # 按行号统计前10

    result = {
        "top_memory_allocations": [
            f"{stat.count} blocks, {stat.size / 1024:.2f} KB: {stat.traceback.format()[-1]}"
            for stat in top_stats
        ],
        "leaky_data_length": len(leaky_data),
        "tracked_object_types": objgraph.most_common_types(limit=5)
    }
    return jsonify(result)

@app.route('/objgraph')
def show_growth():
    """ 显示特定类型对象的增长情况（需要提前在另一个端点调用后对比） """
    # 这里只是示例，实际使用需要在两个时间点分别调用objgraph.show_growth()
    gc.collect()  # 强制垃圾回收，让结果更准确
    growth = objgraph.show_growth(limit=10)
    return jsonify({"object_growth": growth})

if __name__ == '__main__':
    app.run(debug=True)

跑起来之后：

1. 多访问几次 /leak 端点，模拟泄漏。
2. 访问 /memory 看内存分配情况和 leaky_data 列表的增长。
3. 访问 /objgraph 查看对象增长情况（实际调试时，更建议在代码里直接调用 objgraph.show_growth() 并打印到日志）。

关键点：

• tracemalloc 跟踪的是Python内存分配器层面的分配，能告诉你哪行代码分配的内存最多。
• objgraph 擅长分析对象引用关系。真正要定位泄漏源，可以在怀疑泄漏的代码前后，分别调用 objgraph.show_growth()，看看哪些对象的数量只增不减。
• 对于Web应用，持续监控 /memory 这类端点，如果内存使用量在请求处理后只升不降，基本就是泄漏了。

一句话建议：用 tracemalloc 找分配点，用 objgraph 查引用链。