有没有办法在Python中运行内存泄漏单元测试？我已经编写了一些C++绑定代码，希望确保它不会泄露内存。
例如，我想要一个如下的测试：
memory_usage_0 = 0
memory_usage_1 = 0
memory_usage_0 = get_memory_usage()
do_cpp_bound_operation()
memory_usage_1 = get_memory_usage()
assert memory_usage_0 == memory_usage_1
如果您希望您的单元测试速度较慢，下面是基于您的编码示例进行尝试的方法：
将您的代码片段更改为如下所示：
gc.collect()
callCppCoreGenerationFunction()
do_cpp_bound_operation()
gc.collect()
callCppCoreGenerationFunction()
compareCores()
您的callCppCoreGenerationFunction可以调用一个c或c++函数，该函数就像分叉一个新进程并让子进程自行终止一样简单，例如，让子进程引用一个空指针。关键是要简单，因为您不希望这个函数在核心生成过程中进行额外的python分配，从而搅乱局面。
这里要讨论的关键部分是compareRes((。为此，您可以使用分叉进程的标准python代码，因为您已经有了要比较的核心，不需要担心扭曲结果。例如，您可以派生一个shell脚本来计算您的答案。
所以现在的问题是shell脚本中应该包含什么。它应该做的第一件事是按照创建的顺序列出核心，这样你就可以比较最近的两个。然后在chap中打开每个核心(可在https://github.com/vmware/chap)。对于每个核心，你应该在chap中打开它，并从chap提示符运行以下命令：
count leaked
这看起来像这样，将捕获泄漏的本地分配对象和一些(但肯定不是全部(泄漏的python对象。
chap> count leaked
0 allocations use 0x0 (0) bytes.
这个特定的命令非常可靠，因为chap的设计目的是避免泄漏时出现误报。因此，您甚至可以只在两个核心中的第二个核心上运行此操作，而根本不需要第一个核心进行这样的检查。如果你确实发现泄漏是其他可以用来分析泄漏的chap命令，但如果你只想知道你是否有这样的泄漏，而不是为什么，那么计数就足够了。
describe used
这将描述所有已分配但未释放的分配(python和本机(。它的输出看起来像这样，但有更多的行：
Anchored allocation at 7f505b117630 of size 40
This allocation matches pattern ContainerPythonObject.
This has a PyGC_Head at the start so the real PyObject is at offset 0x10.
This has reference count 1 and python type 0x903f20 (dict)
Anchored allocation at 7f505b117670 of size 40
This allocation matches pattern ContainerPythonObject.
This has a PyGC_Head at the start so the real PyObject is at offset 0x10.
This has reference count 1 and python type 0x8fd660 (list)
Anchored allocation at 16f8a80 of size 238
This allocation matches pattern SimplePythonObject.
This has reference count 1 and python type 0x7f5e824cdfe0 (str)
This has a string of length 512 starting with
"bytearray(iterable_of_ints) -> bytearray
bytearray(string, encoding[, errors]".
在该输出中；是像str这样的python对象，它不引用其他python对象ContainerPython对象"；是一个可以引用其他python对象的python对象，因此会受到垃圾收集。
请注意，每个这样的对象的python引用计数都是给定的。这意味着，在回答您关于检查c++代码是否错误地进行了引用计数的问题时，这将反映在输出文件中给定对象的引用计数的更改中。因此，可以通过这种方式捕获小到单个引用计数错误的错误，从而导致泄漏。
%SimplePythonObject通常可以被检测为泄漏，只需使用"；计数泄漏"；对于一个核心，只要没有分配(python或native或…(仍然引用它；描述使用的"；更通用，并为您的用例提供更好的覆盖范围。