Python内存管理

0. Python动态类型

• 对象是存储在内存中的实体
• 我们在程序中写的对象名，只是指向这一对象的引用（reference）
• 引用和对象分离，是动态类型的核心
• 引用可以随时指向一个新的对象（内存地址会不同）
  

1. 引用计数机制

在Python中，每个对象都有存有指向该对象的引用总数，即引用计数(reference count)。

1.1 引用计数器原理

每个对象维护一个 ob_ref 字段，用来记录该对象当前被引用的次数 。

每当新的引用指向该对象时，它的引用计数ob_ref加1 。

每当该对象的引用失效时计数ob_ref减1 。

一旦对象的引用计数为0，该对象可以被回收，对象占用的内存空间将被释放。

它的缺点是需要额外的空间维护引用计数，这个问题是其次的 。最主要的问题是它不能解决对象的“循环引用”。

循环引用见1.5

1.2 获取引用计数：getrefcount()

当使用某个引用作为参数，传递给getrefcount()时，参数实际上创建了一个临时的引用。因此，getrefcount()所得到的结果，会比期望的多1。

1.3 增加引用计数

当一个对象A被另一个对象B引用时，A的引用计数将增加1

1.4 减少引用计数

del删除或重新引用时，引用计数会变化（del只是删除引用）

1.5 循环引用的情况

x = [] 

y = [] 

x.append(y) 

y.append(x) 

在程序运行期间，应该被回收的内存并没有正确回收。这样的问题，属于内存泄漏。

1.6 引用计数机制的优缺点

• 引用计数机制的优点：

  简单

  实时性

• 引用计数机制的缺点：

  维护引用计数消耗资源

  循环引用时，无法回收

2. python垃圾回收

2.1 回收原则

当Python的某个对象的引用计数降为0时，可以被垃圾回收

2.2 gc机制

GC作为现代编程语言的自动内存管理机制，专注于两件事

• 找到内存中无用的垃圾资源
• 清除这些垃圾并把内存让出来给其他对象使用。

GC彻底把程序员从资源管理的重担中解放出来，让他们有更多的时间放在业务逻辑上。但这并不意味着码农就可以不去了解GC，毕竟多了解GC知识还是有利于我们写出更健壮的代码。

2.3 效率问题

垃圾回收时，Python不能进行其它的任务。频繁的垃圾回收将大大降低Python的工作效率。

当Python运行时，会记录其中分配对象(object allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。

700：分配和取消分配次数相差的值

10，10：分带回收策略由这两个数字决定

2.4 三种情况触发垃圾回收

• 调用gc.collect()
• GC达到阀值时
• 程序退出时

2.5 分代(generation)回收

这一策略的基本假设是：存活时间越久的对象，越不可能在后面的程序中变成垃圾。

• Python将所有的对象分为0，1，2三代。

• 所有的新建对象都是0代对象。

• 当某一代对象经历过垃圾回收，依然存活，那么它就被归入下一代对象。

  0代对象被扫描10次之后还存活，就归为1代对象，以此类推。

  • 垃圾回收启动时，一定会扫描所有的0代对象。
  • 如果0代经过一定次数垃圾回收，那么就启动对0代和1代的扫描清理。
  • 当1代也经历了一定次数的垃圾回收后，那么会启动对0，1，2，即对所有对象进行扫描。

2.6 标记清除

标记-清除机制，顾名思义，首先标记对象（垃圾检测），然后清除垃圾（垃圾回收）。

主要用于解决循环引用。

1. 标记：活动（有被引用）, 非活动（可被删除）

2. 清除：清除所有非活动的对象

3. python缓冲池

3.1 整数对象缓冲池

对于[-5,256] 这样的小整数，系统已经初始化好，可以直接拿来用。

而对于其他的大整数，系统则提前申请了一块内存空间，等需要的时候在这上面创建大整数对象。

3.2 字符串缓存

为了检验两个引用指向同一个对象，我们可以用is关键字。is用于判断两个引用所指的对象是否相同。

当触发缓存机制时，只是创造了新的引用，而不是对象本身。

• 注意： 这对于经常使用的数字和字符串来说也是一种优化的方案
• 

3.3 字符串的intern机制

python对于短小的，只含有字母数字的字符串自动触发缓存机制。其他情况不会缓存。

intern 主动触发缓存机制