Langchain系列文章目录
01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南
02-玩转 LangChain Memory 模块：四种记忆类型详解及应用场景全覆盖
03-全面掌握 LangChain：从核心链条构建到动态任务分配的实战指南
04-玩转 LangChain：从文档加载到高效问答系统构建的全程实战
05-玩转 LangChain：深度评估问答系统的三种高效方法（示例生成、手动评估与LLM辅助评估）
06-从 0 到 1 掌握 LangChain Agents：自定义工具 + LLM 打造智能工作流！
python系列文章目录
01-Python 基础语法入门：从变量到输入输出，零基础也能学会！
02-Python 流程控制终极指南：if-else 和 for-while深度解析
03-Python 列表与元组全攻略：从新手到高手的必备指南
04-Python 字典与集合：从入门到精通的全面解析
05-Python函数入门指南：从定义到应用
06-Python 函数高级特性：从默认参数到闭包的全面解析
07-Python 模块与包：从零到自定义的全面指南
08-Python异常处理：从入门到精通的实用指南
09-Python 文件操作：从零基础到日志记录实战
10-Python面向对象编程入门：从类与对象到方法与属性
11-Python类的方法与属性：从入门到进阶的全面解析
12-Python继承与多态：提升代码复用与灵活性的关键技术
13-掌握Python魔法方法：如何用__add__和__len__自定义类的行为
14-python面向对象编程总结：从基础到进阶的 OOP 核心思想与设计技巧
15-掌握 Python 高级特性：深入理解迭代器与生成器
16-用 Python 装饰器提升效率：日志与权限验证案例
17-再也不怕资源泄漏！Python 上下文管理器，with语句全攻略
18-Python 标准库必备模块：math、random、os、json 全解析
19-Python 性能优化：从入门到精通的实用指南
20-Python内存管理与垃圾回收全解析
前言
你有没有想过，Python这么好用，它的内存管理是怎么做到既省心又高效的？作为一门高级语言，Python的内存管理全自动，开发者几乎不用操心分配和释放内存。但这背后，引用计数、垃圾回收等机制却在默默发力。今天这篇文章，咱们就来聊聊Python的内存管理机制、引用计数与垃圾回收的那些事儿，还要教你怎么避免内存泄漏。无论你是刚入门的小白，还是有点经验的老手，这篇干货都能让你有所收获。准备好了吗？一起来解锁Python内存管理的秘密吧！
一、Python内存管理机制
1.1 内存管理概述
Python的内存管理就像一个贴心的管家，帮你自动打理内存分配和回收，让你专注于写代码。它主要靠两大利器：引用计数和垃圾回收。简单来说，引用计数负责追踪对象的使用情况，而垃圾回收则处理那些引用计数搞不定的复杂场景，比如循环引用。两者配合，确保内存既高效利用，又能及时清理。
1.1.1 内存分配与释放
- 内存分配：每次你创建一个对象（比如列表、字典），Python会从它的“内存池”里划出一块地方给它。这就像超市里的购物篮，随时拿来用，方便快捷。
- 内存释放：当对象没人用时，Python会自动把它“扔掉”，释放内存。这靠的就是引用计数和垃圾回收。
1.1.2 内存池机制
Python的内存池是个聪明设计，专门优化小块内存的分配。它把内存分成几个层次：
- 块（block）：最小的单位，通常是256字节。
- 池（pool）：由多个块组成，负责分配特定大小的对象。
- 竞技场（arena）：多个池组成的大仓库，是内存管理的顶层结构。
这种分层管理就像搭积木，能快速分配内存，还能减少碎片化。想象一下，每次要个小对象，Python直接从池子里拿，多快多省事儿！
1.2 引用计数机制
引用计数是Python内存管理的核心，像个“计数员”，记录每个对象被引用的次数。
1.2.1 引用计数的原理
- 每个对象都有个计数器，记录有多少地方指向它。
- 新增引用（比如赋值、放进列表），计数加1；删除引用（比如变量重新赋值），计数减1。
- 计数变成0时，对象没人用了，Python就立刻回收它。
举个例子：
a = [1, 2, 3] # a指向列表，引用计数为1
b = a # b也指向列表，引用计数加1，变成2
del b # b没了，引用计数减1，变回1
del a # a也没了，引用计数为0，列表被回收
1.2.2 怎么查看引用计数
Python提供了sys.getrefcount()来偷看引用计数。不过注意，调用这个函数本身会临时加1次引用。
import sys
a = []
print(sys.getrefcount(a)) # 输出2，因为函数调用增加了一次引用
1.2.3 引用计数的优缺点
- 优点：简单直接，对象没用了马上回收，效率高。
- 缺点：遇到循环引用就傻眼了。啥是循环引用？就是两个对象互相指着对方，计数永远不会到0。
1.3 垃圾回收机制
引用计数管不了循环引用怎么办？别急，Python还有个“清道夫”——垃圾回收机制。
1.3.1 垃圾回收的原理
Python的垃圾回收用的是分代回收算法，把对象分成三代：
- 0代：刚创建的新对象，放这里。
- 1代：熬过一次回收的，升级到这里。
- 2代：多次回收还活着的，长寿对象放这儿。
每代有个阈值（对象数量上限），满了就触发回收。年轻代（0代）检查频繁，老年代（2代）检查少，节省性能。
1.3.2 触发垃圾回收的时机
- 自动触发：某一代对象太多，达到阈值时启动。
- 手动触发：可以用
gc.collect()强行清理。
import gc
gc.collect() # 手动回收，清理循环引用的对象
1.3.3 垃圾回收怎么干活儿
它分两步走：
- 标记：从根对象（比如全局变量）开始，标记所有能找到的对象。
- 清除：没被标记的（也就是没人用的），直接回收。
下图是个简单示意：
二、引用计数与垃圾回收
2.1 引用计数实战
引用计数是内存管理的“第一道防线”，简单高效，但也有局限。
2.1.1 计数怎么变
- 增加：赋值、传参、加到容器里，都会让计数加1。
- 减少：删除变量、函数结束、从容器移除，计数减1。
lst = []
obj = "hello"
lst.append(obj) # obj引用计数加1
del lst # lst没了，但obj还有其他引用，不会回收
2.1.2 循环引用的坑
看看这个例子：
a = []
b = []
a.append(b) # b的引用计数加1
b.append(a) # a的引用计数加1
del a # a变量没了，但列表还在
del b # b变量也没了，但两个列表互相指着，计数不为0
这时候，引用计数就无能为力了，得靠垃圾回收出马。
2.2 垃圾回收进阶
垃圾回收是Python的“秘密武器”，专门对付循环引用。
2.2.1 分代回收的妙处
- 0代：新对象多，回收勤。
- 1代：存活久的，检查少点。
- 2代：老家伙，基本不动。
这种策略就像筛子，先筛小的，再管大的，既快又省力。
2.2.2 优化垃圾回收
- 弱引用：用
weakref模块，避免增加计数。
import weakref
class MyObj:
pass
a = MyObj()
b = MyObj()
a.ref = weakref.ref(b) # 弱引用，不会加计数
- 手动调整：用
gc模块改阈值或强制回收。
import gc
print(gc.get_threshold()) # 默认(700, 10, 10)
gc.set_threshold(1000, 15, 15) # 调大阈值，减少回收频率
三、如何避免内存泄漏
3.1 内存泄漏的元凶
内存泄漏就是内存没被及时回收，越积越多。常见原因有：
- 循环引用：对象互相指着，没人清理。
- 全局变量：程序跑着不删，占着茅坑不拉屎。
- 资源没关：文件、连接忘了关闭，白占内存。
3.2 防泄漏的实用招数
别慌，咱有办法对付！
3.2.1 破解循环引用
- 弱引用：不加计数的引用，循环也能断。
import weakref
a = {}
b = {}
a["b"] = weakref.ref(b)
b["a"] = weakref.ref(a)
- 手动清空：不用时设为
None。
a = []
b = []
a.append(b)
b.append(a)
a = None
b = None # 解除引用，方便回收
3.2.2 管好全局变量
- 少用全局：能局部就局部。
- 及时清：不用时设为
None。
global_data = [1] * 1000000
# 用完后
global_data = None
3.2.3 关闭资源
- 用with：自动关门，省心。
with open("data.txt", "r") as f:
print(f.read()) # 用完自动关闭
- 手动关：别忘了
close()。
3.2.4 监控内存
- 工具：试试
memory_profiler或objgraph，揪出泄漏。
from memory_profiler import profile
@profile
def test():
a = [1] * 1000000
return a
test()
四、总结
这篇文章带你从头到尾梳理了Python的内存管理机制。引用计数简单高效，垃圾回收解决循环引用，再加上防内存泄漏的实用技巧，相信你已经心里有数了。记住：用弱引用破循环、管好全局变量、及时关资源，再加点监控工具，你的代码就能跑得又快又稳。希望这些干货能帮你在Python路上更进一步，有啥问题随时问我哦！
扫一扫
1415
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
