python内存管理&垃圾回收

关注

原创最新推荐文章于 2026-08-29 11:17:23 发布 838 阅读 AI 写同款· GEO 优化 ›

深入探索Python内存回收机制：原理与实践在Python C扩展中，如果您定义了自定义的Python类型，需要正确实现它的内存管理方法。自定义类型通常会定义一个tp_dealloc成员，它是类型对象的析构函数，负责释放对象占用的所有资源。// 释放自定义类型持有的任何资源// 调用基类的析构函数（如果有的话）// ... 其他类型属性 ...// ... 其他类型方法 ... 阅读详情

Python垃圾回收详解

1.序言
2.环形双向链表
3.引用计数
4.标记清除
5.分代回收
6.Python缓存

1.序言

大家都知道每个语言都会有自己的垃圾回收机制，python也不例外。

Python的垃圾回收机制是以引用计数为主，标记清除和分代回收为辅加上缓存机制

市面上大部分人使用的都是CPython(以下均用Python指代)，众所周知，Python是基于C语言的，所以Python的垃圾回收机制与C语言相似。

正式介绍垃圾回收机制之前，我们先了解一个重要的概念环形双向链表refchain

2.环形双向链表

在这里插入图片描述
在python程序中创建任何对象都会放在refchain链表中

而当我们创建一个对象时，程序内部还会创建一些其他数据，让我们从C源码中看看会创建哪些数据
在这里插入图片描述
大家可以看到PyObject结构体中第一行_PyObject_HEAD_EXTRA中定义了上一个对象prev和下一个对象next两个值，第二行第三行定义了引用计数器和数据类型两个值，综上，在PyObject结构体中包含了4个值

大家继续往下看PyVarObject结构体，当对象是由多个元素组成的时候，还包含一个元素个数ob_size的值

# 在C源码中如何体现每个对象中都有的相同的值：PyObject结构体（4个值）。

# 有多个元素组成的对象：PyObject结构体（4个值） + ob_size 。

# 下面给大家看一个例子就能很清楚地了解了

data = 3.14 # 创建一个浮点型数据

# 内部会创建：
#	 _ob_next = refchain中的上一个对象
#    _ob_prev = refchain中的下一个对象
#    ob_refcnt = 1
#    ob_type = float
#    ob_fval = 3.14

OK，了解了环形双象链表后，大家就能了解透彻以下Python垃圾回收机制内容了

3.引用计数

刚刚我们有学到当python程序运行时，会根据数据类型的不同找到其对应的结构体，根据结构体中的字段来进行创建相关的数据，然后将对象添加到refchain环形双向链表中

其中PyObject结构体中地ob_refcnt就是引用计数器，值默认为1，当有其他变量引用对象时，引用计数器就会发生变化

引用

a = 99999 # a对应对象引用计数为1
b = a # b对应对象引用计数为1

删除引用

a = 99999
b = a
del b # b变量删除；b对应对象引用计数器-1,1-1=0
del a # a变量删除；a对应对象引用计数器-1,1-1=0

# 当一个对象的引用计数器为0时，意味着没有人再使用这个对象了，这个对象就是垃圾，垃圾回收。
# 回收：1.对象从refchain链表移除；2.将对象销毁，内存归还。

大家看上面的引用计数垃圾回收是不是很方便，引用就+1，删除引用就-1

但是遇到循环引用问题，以上的解决方案就不足以处理干净系统垃圾
请添加图片描述
大家可以看到v1和v2虽然都删除引用了，但实际他们的引用计数器仍为1，仍然存在于系统中

那么怎么处理这种特殊情况呢？这就引出了下面的标记清除

4.标记清除

目的：为了解决引用计数器循环引用的不足。

实现：在python的底层再维护一个链表，链表中专门放那些可能存在循环引用的对象（list/tuple/dict/set）
在这里插入图片描述
在Python内部 某种情况下触发，回去扫描 可能存在循环应用的链表（链表2）中的每个元素，检查是否有循环引用，如果有则让双方的引用计数器 -1 ；如果是0则垃圾回收。

好了，引入了标记清除解决了循环引用的问题。但是却带来了新的问题

什么时候扫描？
可能存在循环引用的链表扫描代价大，每次扫描耗时久

这就引出了下面的方法分代回收

5.分代回收

在这里插入图片描述
Python将可能存在循环应用的对象维护成3个链表（链表2、3、4）

0代：0代中对象个数达到700个扫描一次。
1代：0代扫描10次，则1代扫描一次。
2代：1代扫描10次，则2代扫描一次。

这就解决了什么时候扫描和扫描代价太大的问题，存活越久的（2代）的对象被检查得越少（大大滴良民！）

综上，这就是为什么我一开始说Python的垃圾回收机制是以引用计数为主，标记清除和分代回收为辅加上缓存机制，现在大家对这句话应该有了很深的理解

But，上述流程还能优化吗？

6.Python缓存

Python内部为了避免重复创建和销毁一些常见对象，维护了一个池

池（int）

# 启动解释器时，Python内部帮我们创建：-5、-4、..... 256
v1 = 7  # 内部不会开辟内存，直接去池中获取
v2 = 9  # 内部不会开辟内存，直接去池中获取
v3 = 9  # 内部不会开辟内存，直接去池中获取

print(id(v2),id(v3)) # 1820206787120 1820206787120

v4 = 999
v5 = 666
v6 = 666 # 超出小数据池的范围创建对象内部会开辟空间

另外我们上面说过，引用计数为0的时候，对象会被销毁，内存会被回收，理论上是不严谨的。Python对于这个步骤也做了处理

free_list（float/list/tuple/dict)

当一个对象的引用计数器为0时，按理说应该回收，内部不会直接回收，而是将对象添加到 free_list 链表中当缓存。以后再去创建对象时，不再重新开辟内存，而是直接使用free_list

v1 = 3.14  # 开辟内存，内部存储结构体中定义那几个值，并存到refchain中。

del v1     # refchain中移除，将对象添加到 free_list 中（80个），free_list满了则销毁。


v9 = 999.99 # 不会重新开辟内存，去free_list中获取对象，对象内部数据初始化，再放到refchain中。

当然free_list也是有限制的，超出限制后再删除对象也是会被直接销毁

unicode_latin1[256]（str）

  v1 = "A"
  print( id(v1) ) # 输出：4517720496
  del v1
  v2 = "A"
  print( id(v1) ) # 输出：4517720496
  # 除此之外，Python内部还对字符串做了驻留机制，针对那么只含有字母、数字、下划线的字符串（见源码Objects/codeobject.c），如果内存中已存在则不会重新在创建而是使用原来的地址里（不会像free_list那样一直在内存存活，只有内存中有才能被重复利用）。
  v1 = "lucky"
  v2 = "lucky"
  print(id(v1) == id(v2)) # 输出：True