因為看到有人反應，重覆登出登入，會造成記憶體使用量增加，這實在是讓人太好奇了，所以就想來實測一下。但因為反應問題的人也沒有提供程式內容，所以只是自己猜可能的程式內容

測試程式及結果

測試程式範例：

import os, psutil, gc, time
import shioaji as sj
from dotenv import load_dotenv

load_dotenv('D:\\python\\shioaji\\.env') #讀取.env中的環境變數

process = psutil.Process(os.getpid())
print(f'mem usage as start: {process.memory_info()[0]/float(2 ** 20)}kb')

for i in range(5):
    api = sj.Shioaji(simulation=True)
    print(f'({i})mem usage at api initial: {process.memory_info()[0]/float(2 ** 20)}kb')
    api.login(
        person_id='PAPIUSER01', 
        passwd='2222'
    )
    print(f'({i})mem usage at api.login: {process.memory_info()[0]/float(2 ** 20)}kb')
    api.logout()
    time.sleep(10) #登出後，等待10秒再進行登入，防止出錯

del api
gc.collect()
print(f'mem usage after del api: {process.memory_info()[0]/float(2 ** 20)}kb')

上面用for in的方式重覆進行5次初始化、登入及登出動作，來測試是否有產生RAM使用量增加的情況，在測試時發現若登入的環境是測試環境，雖然RAM使用量有增加，但其實不明顯。而上面這個範例，是用測試環境及帳號進行測試，若是正式環境，只需傳入自己的帳號密碼，並且在初始化時，不設定simulation=True即可。
測試結果如下(單位：KB)：

問題原因&解決方式

其實RAM使用量增加主要是因為重覆執行sj.Shioaji()進行初始化動作所造成，雖然執行login()後，RAM使用量也會增加，但並沒有像執行sj.Shioaji()時增加那麼多。解決方式可分為下列2種：
1.sj.Shioaji()移至迴圈或是function外層，避免重覆執行
2.在login時，傳入fetch_contract=False，即不執行fetch_all_contract動作，預先抓所有的contract
我個人比較便好1，因為只需要將原本的程式做一點小調整即可。
第2種方式雖然也可以，但是Contract物件經常會被使用到，若指定fetch_contract=False，則無法透過api取得Contract內容，也就要考慮用object serialization先將Contract物件儲存起來，要用的時候再做讀取的動作。