python会不会出现内存泄漏？

很多人觉得 Python 是带垃圾回收机制的嘛，那应该不会内存泄漏吧？但其实情况没那么简单。Python 的垃圾回收确实能帮我们回收大部分不用的对象，可一旦遇到某些特殊场景，它也可能“收不回去”，久而久之就会表现成内存泄漏。

最常见的就是循环引用。比如两个对象互相引用，即使它们本身已经不再需要了，引用计数也没归零，GC 就没法释放它们。虽然 Python 的垃圾回收器能处理一部分循环引用，但如果里面还混着一些特殊对象（比如文件描述符、socket 这类带外部资源的），就可能被遗漏。

再一个就是全局变量或者缓存。写代码的时候一不小心把数据放在全局变量里没清理，程序长时间跑下来内存就会越占越多。尤其是写服务的时候，典型的就是“缓存忘记淘汰”。

另外，C 扩展模块也是重灾区。如果底层扩展没有正确释放内存，就算 Python 层面上对象没了，底层内存依旧占着。这种问题在用第三方库时比较常见。

下面这个例子就是一个典型的循环引用问题：

按理说 a 和 b 都删了，内存应该被释放，但因为它们互相引用，引用计数没清零，所以内存会卡在那里。GC 虽然会尝试处理，但如果里面牵扯到外部资源，就可能清不干净。

怎么排查内存泄漏

1. 用 gc 模块：gc.collect() 可以手动触发垃圾回收，gc.garbage 可以看到没被回收的对象。
2. 用 objgraph：能画出对象引用关系，很直观地看到哪些东西还挂着。
3. 用 tracemalloc：Python 内置的内存分配跟踪工具，可以帮你找到哪里分配了多少内存。

示例：

运行完你就能看到是哪个代码行占了最多内存，非常适合排查。

避免内存泄漏的小技巧

• 用完的变量及时 del，尤其是大对象。
• 对缓存要有过期策略，别无限增长。
• 少用全局变量，能传参就传参。
• 循环引用要小心，必要时用 weakref 弱引用来避免。
• 如果怀疑是第三方库的锅，可以尝试升级版本，或者换个库。

Python 并不是完全免疫内存泄漏的，垃圾回收只是帮你省心，但不是万能。写服务的时候最好还是定期监控内存占用，发现异常早点查，不然真等到内存爆了，排查起来会很痛苦。

以上就是“python会不会出现内存泄漏？”的详细内容，想要了解更多Python教程欢迎持续关注编程学习网。