考虑到列表只有76MB长，我正试图理解为什么这个python代码会导致一个需要236MB内存的进程。
import sys
import psutil
initial = psutil.virtual_memory().available / 1024 / 1024
available_memory = psutil.virtual_memory().available
vector_memory = sys.getsizeof([])
vector_position_memory = sys.getsizeof([1]) - vector_memory
positions = 10000000
print "vector with %d positions should use %d MB of memory " % (positions, (vector_memory + positions * vector_position_memory) / 1024 / 1024)
print "it used %d MB of memory " % (sys.getsizeof(range(0, positions)) / 1024 / 1024)
final = psutil.virtual_memory().available / 1024 / 1024
print "however, this process used in total %d MB" % (initial - final)
输出为：
vector with 10000000 positions should use 76 MB of memory
it used 76 MB of memory
however, this process used in total 236 MB
再增加x10个位置(即positions = 100000000(会产生x10个内存。
vector with 100000000 positions should use 762 MB of memory
it used 762 MB of memory
however, this process used in total 2330 MB
我的最终目标是尽可能多地吸取记忆，创建一个很长的列表。为了做到这一点，我创建了这个代码来理解/预测基于可用内存的列表有多大。令我惊讶的是，python需要大量的内存来管理我的列表。
为什么python使用这么多内存？！它在用它做什么？我知道如何预测python的内存需求，以有效地创建一个列表来使用几乎所有可用的内存，同时防止操作系统进行交换吗？
getsizeof函数只包括列表本身使用的空间。
但该列表实际上只是指向int对象的指针数组，您创建了10000000个指针，每个指针也占用内存，通常为24字节。
前几个数字(通常最多255个(是由解释器预先创建和缓存的，因此它们实际上是免费的，但其余的则不是。所以，你想添加这样的东西：
int_memory = sys.getsizeof(10000)
print "%d int objects should use another %d MB of memory " % (positions - 256, (positions - 256) * int_memory / 1024 / 1024)
然后结果会更有意义。
但请注意，如果您不是创建具有10M个唯一int的range，而是创建0-10000中的10M个随机int，或0的10M副本，则该计算将不再正确。因此，如果想处理这些情况，您需要做一些事情，比如将迄今为止看到的每个对象的id隐藏起来，并跳过对同一id的任何额外引用。
Python2.x文档曾经有一个链接到一个旧的递归getsizeof函数，这个函数可以实现这一点，还有更多……但这个链接已经失效，所以它被删除了。
3.x文档有一个指向新文档的链接，该链接可能在Python2.7中工作，也可能不工作。(我很快就注意到，它对print使用了__future__语句，并从reprlib.repr回退到repr，所以它可能会这样做。(
如果你想知道为什么每个int都是24字节长(在64位CPython中；当然，不同的平台和实现不同(：
CPython将每个内置类型表示为C结构，该结构至少包含refcount和指向该类型的指针的空间。对象需要表示的任何实际值都是附加值1因此，最小的非单例类型每个实例需要24个字节。
如果你想知道如何避免每个整数最多使用24个字节，答案是使用NumPy的ndarray——或者，如果出于某种原因不能使用，则使用stdlib的array.array。
任何一种都可以指定"本机类型"，如NumPy的np.int32或array.array的i，并创建一个直接包含100M这些本机类型值的数组。这将需要每个值正好4个字节，加上几十个恒定字节的标头开销，这比list的8个字节的指针小得多，再加上结尾的一点随长度而变化的松弛，加上包裹每个值的int对象。
使用array.array，你牺牲了速度来换取空间，2，因为每次你想访问其中一个值时，Python都必须将其拉出并"装箱"为int对象。
使用NumPy，您可以获得速度和空间，因为NumPy将允许您在严格优化的C循环中对整个阵列执行矢量化操作。
1.使用class在Python中创建的非内置类型呢？它们有一个指向dict的指针，您可以从Python中看到它是__dict__，它包含您添加的所有属性。因此，根据getsizeof，它们是24字节，但当然你也必须添加该dict的大小。
2.除非你不是。防止你的系统进入交换地狱可能会比装箱和开箱慢得多。而且，即使你没有避开那个巨大的悬崖，你可能仍然会避开涉及VM分页或缓存位置的较小悬崖