Python 如何深度获取包含内容的列表大小？

Question

我很惊讶，sys.getsizeof( 10000*[x] ) 的结果是 40036，无论 x 是 0、"a"、1000*"a" 还是 {}。
有没有一个 deep_getsizeof 能正确考虑共享内存的元素呢？
（这个问题是因为我在查看内存中的数据库表，比如 range(1000000) -> 省名：用列表还是字典？）
（我在一台运行 Python 2.6.4 的 mac ppc 上。）

补充说明：
10000*["Mississippi"] 实际上是 10000 个指向同一个 "Mississippi" 的指针，正如几个人指出的那样。试试这个：

nstates = [AlabamatoWyoming() for j in xrange(N)]

其中 AlabamatoWyoming() 会返回一个字符串 "Alabama" .. "Wyoming"。
那 deep_getsizeof(nstates) 是多少呢？
（我们怎么知道呢？）

• 一个合适的 deep_getsizeof：很难，大约需要垃圾回收跟踪器
• 从总虚拟内存中估算
• 对 Python 实现的内部知识
• 猜测。

补充 1月25日：
还可以查看 Python 什么时候为相同字符串分配新内存

Answer 1

如果你的列表里只放了长度相同的对象，你可以通过这样做来得到一个更准确的大小估计。

def getSize(array):
    return sys.getsizeof(array) + len(array) * sys.getsizeof(array[0])

显然，这种方法对长度不一样的字符串效果就不好了。

如果你只是想在调试或者开发的时候计算大小，而不太在意性能的话，你可以递归地遍历所有项目，计算总大小。需要注意的是，这种方法不能正确处理多个地方引用同一个对象的情况。

Answer 2

10000 * [x] 会生成一个包含10000个相同对象的列表，所以它的大小其实比你想的要准确。不过，深度计算大小就很麻烦，因为你无法告诉Python什么时候停止计算。每个对象都有一个类型对象的引用。那这个类型对象要算吗？如果这个类型对象是最后一个引用，那么如果你删除了这个对象，类型对象也会消失，那该怎么办？如果列表里有多个（不同的）对象都指向同一个字符串对象，那这个字符串对象应该算一次，还是算多次呢？

总之，获取一个数据结构的大小是非常复杂的，而 sys.getsizeof() 本来就不应该被添加进来 :S

Answer 3

你可以看看 guppy/heapy；我自己没怎么使用过，但我的几个同事用它来分析内存，效果不错。

虽然说明书写得可以更好，但 这个教程 对基本概念的解释还算不错。