而如果你用的系统是 Windows，那么可能电脑直接就卡死了。

但是，调试这种 OOM（Out of Memory）的问题有时候是非常困难的，因为你不知道代码哪个地方会导致内存泄露。但是如果你运行程序进行调试，程序又会中途被杀掉或者直接卡死系统。

如果我们有办法看到程序里面每一个函数占用的内存大小，那么我们就能缩小检查的范围。

为了实现这个目的，我们可以安装并使用一个叫做filprofiler的第三方库，它可以分析 Python 程序的内存占用情况。

我们先安装这个库：

pip install filprofiler

然后写一段会导致内存泄露的代码：

def func_a():    print('我是一个正常的函数')
def func_b():    print('我是第二个正常的函数')
def func_b():    print('我是第三个正常的函数')
def func_oom():    print('我是一个会导致内存泄露的函数')    datas = []    while True:        datas.append('s' * 1024 * 1024)    print('运行程序的时候，你不会看到这一行')

def run():    func_a()    func_b()    func_oom()

run()

这段程序直接运行会因为内存泄露的问题被系统直接杀死。

在使用 filprofiler 之前，还需要调整一下虚拟内存的大小；否则，filprofiler 本身也会因为占用内存过大的问题而被系统杀掉。

先使用free命令看一下系统可用的内存有多少：

 

我们使用ulimit命令，把程序能够使用的内存稍稍调低一些，这样即使被占满，也不会被系统杀死：

ulimit -Sv 1600000

然后，使用 filprofiler 来运行这个程序：

fil-profile run test.py

运行效果如下图所示：

 

filprofiler 会在当前文件夹下面生成一个fil-result文件夹，在里面会有一个以时间命名的文件夹，文件夹中会有两个svg文件，如下图所示：

 

我们使用浏览器打开其中的out-of-memory.svg文件，可以看到如下图所示的内存占用图：

 

从图中可以看到，占用内存最大的函数是func_oom，程序也是在这个地方崩溃的。