1. 内存泄漏的根源：深入理解Python引用计数与循环引用

大家好，我是你们的老朋友。今天咱们聊聊内存泄漏——这个让无数Python开发者头疼的问题。

说实话，我刚开始做Python项目时，总觉得内存泄漏是C/C++才该操心的事。Python不是有垃圾回收吗？后来在一个高并发服务中，内存从200MB一路飙升到2GB，服务直接挂了。那次教训让我明白：不懂内存管理，迟早要还债。

1.1 Python的内存管理机制

Python的内存管理，核心就两招：引用计数和垃圾回收。

引用计数是主力，垃圾回收是救火队。我习惯这么理解：引用计数是日常保洁，垃圾回收是大扫除。

引用计数的工作原理

每个Python对象内部都有一个变量，叫ob_refcnt。它记录着有多少个引用指向这个对象。

import sys

a = []
print(sys.getrefcount(a))  # 输出2（a本身 + getrefcount参数引用）

b = a
print(sys.getrefcount(a))  # 输出3（a + b + 参数引用）

del b
print(sys.getrefcount(a))  # 输出2（b被删了）

当引用计数降到0时，对象立即被回收。这个机制简单高效，但有个致命缺陷——循环引用。

1.2 循环引用：内存泄漏的元凶

什么是循环引用？说白了就是两个对象互相指着对方，谁都不肯放手。

看个例子：

class Node:
    def __init__(self, name):
        self.name = name
        self.parent = None
        self.child = None

def create_cycle():
    a = Node("A")
    b = Node("B")
    a.child = b
    b.parent = a
    # 函数结束，a和b的引用计数都不为0
    # 因为a.child指向b，b.parent指向a
    # 形成了循环引用

create_cycle()
# 内存泄漏了！a和b无法被回收

我在项目中遇到过类似场景。一个缓存系统里，父子节点互相引用，结果内存只增不减。排查了整整两天才找到问题。

1.3 使用gc模块定位泄漏点

Python的gc模块就是专门对付循环引用的。它像个侦探，能找出那些互相引用但无法被访问的对象。

gc模块的核心功能

函数	作用
gc.collect()	手动触发垃圾回收
gc.get_objects()	获取所有被管理的对象
gc.get_referrers(obj)	获取谁引用了obj
gc.get_referents(obj)	获取obj引用了谁
gc.garbage	无法回收的循环引用对象列表

实战：定位循环引用

import gc

# 先关闭自动回收，方便观察
gc.disable()

# 创建循环引用
class Leak:
    def __init__(self):
        self.ref = None

def create_leak():
    a = Leak()
    b = Leak()
    a.ref = b
    b.ref = a
    return a

obj = create_leak()

# 手动触发回收
gc.collect()

# 查看无法回收的对象
print("无法回收的对象:", gc.garbage)

# 找出所有循环引用
gc.set_debug(gc.DEBUG_SAVEALL)
gc.collect()
for obj in gc.garbage:
    print(f"泄漏对象: {obj}, 引用者: {gc.get_referrers(obj)}")

1.4 知识体系总览

下面这张图是我自己总结的内存泄漏排查路线图，帮你快速建立全局认知：

1.5 避坑指南

1.6 最佳实践总结

嗯，说了这么多，总结几条我自己的经验：

• 能用弱引用就用弱引用——weakref.ref和weakref.WeakValueDictionary是你的好朋友
• 定期做内存快照——我习惯在关键业务节点前后用gc.get_objects()对比对象数量
• 别依赖gc自动回收——你以为它会收，它偏不收。手动gc.collect()更靠谱
• 写代码时就考虑引用关系——设计阶段想清楚谁引用谁，比事后排查轻松十倍

你想想看，如果每个开发者都能理解引用计数和循环引用，生产环境的内存泄漏至少能减少一半。我见过太多团队在线上用tracemalloc和objgraph疯狂打日志排查问题，其实根源往往就是几个简单的循环引用。

好了，这一章就到这里。记住：内存泄漏不可怕，可怕的是你不知道它怎么来的。理解了引用计数和循环引用，你就掌握了Python内存管理的命门。