你有没有遇到过，在使用pandas的时候批处理任务跑完了，
del df
执行了，甚至还使用了
import gc; gc.collect()
但是进程内存确没有减少。
我们首先就会想到这可能是"pandas 有内存泄漏"，其实这不一定就是泄漏。可能是引用、分配器的正常行为。而且在pandas 3.0 之后这类情况更多了，因为Copy-on-Write 改变了数据共享的方式，Arrow 支持的 dtype 让内存行为变得更难预测。
RSS 不是"正在使用的内存"
很多人把 RSS 当成实际内存占用来看，这是问题的根源。
RSS 是操作系统报告的常驻内存大小，而Python 对象实际需要多少内存是另一回事。分配器为了提高效率会预留一大块内存池（arena）以备后用。删掉一个 DataFrame，Python 层面的对象确实释放了但 RSS 不一定下降，因为分配器（Python 的、NumPy 的、Arrow 的、libc 的）只是把这块内存标记为"可重用"，并没有还给操作系统。
这就解释了一个常见现象：监控面板上看着像在泄漏，但程序跑得好好的，吞吐量很稳定。内存在进程内部被重复利用，RSS 高位运行其实是正常的。
https://avoid.overfit.cn/post/44a0a3f2e4544cbe9307e9afe262779b