Python进阶:程序界的垃圾分类回收

　　垃圾回收是 Python 自带的机制，用于自动释放不会再用到的内存空间；html

什么是内存泄漏呢？

内存泄漏，并非说你的内存出现了信息安全问题，被恶意程序利用了，而是指程序自己没有设计好，致使程序未能释放已再也不使用的内存。
内存泄漏也不是指你的内存在物理上消失了，而是意味着代码在分配了某段内存后，由于设计错误，失去了对这段内存的控制，从而形成了内存的浪费。

计数引用

　　Python 中一切皆对象。当这个对象的引用计数（指针数）为 0 的时候，说明这个对象永不可达，天然它也就成为了垃圾，须要被回收。node

　　例：python

# 显示当前 python 程序占用的内存大小
def show_memory_info(hint): pid = os.getpid() p = psutil.Process(pid) info = p.memory_full_info() memory = info.uss / 1024. / 1024
    print('{} memory used: {} MB'.format(hint, memory))

def func(): show_memory_info('initial') a = [i for i in range(10000000)] show_memory_info('after a created') func() show_memory_info('finished') ########## 输出 ##########

# initial memory used: 6.62890625 MB

# after a created memory used: 199.33203125 MB

# finished memory used: 7.6640625 MB

　　程序初始化时占的内存为6MB，接着建立了一个列表a，因为a还没被回收，所以占的内存升到了200MB，当函数返回后，a的引用计数为0，a被回收，内存又恢复到了7MB。git

　　若是把a变成全局变量，函数返回后，引用计数依然大于0，因而对象就不会被垃圾回收，依然占着大量的内存算法

def func(): show_memory_info('initial') global a a = [i for i in range(10000000)] show_memory_info('after a created') func() show_memory_info('finished') ########## 输出 ##########

# initial memory used: 6.67578125 MB # after a created memory used: 199.30859375 MB # finished memory used: 199.30859375 MB

　　或者把列表返回，在主程序中接收，引用依然存在，垃圾回收就不会被触发，大量内存仍然被占用着windows

def func(): show_memory_info('initial') a = [i for i in range(10000000)] show_memory_info('after a created') return a a = func() show_memory_info('finished') ########## 输出 ##########

# initial memory used: 6.6484375 MB # after a created memory used: 199.2890625 MB # finished memory used: 199.2890625 MB

　　看一下 Python 内部的引用计数机制安全

import sys a = [] # 两次引用，一次来自 a，一次来自 getrefcount
print(sys.getrefcount(a)) def func(a): # 四次引用，a，python 的函数调用栈，函数参数，和 getrefcount
    print(sys.getrefcount(a)) func(a) # 两次引用，一次来自 a，一次来自 getrefcount，函数 func 调用已经不存在
print(sys.getrefcount(a)) ########## 输出 ##########

2
4
2

　　sys.getrefcount() 这个函数，能够查看一个变量的引用次数。这段代码自己应该很好理解，不过别忘了，getrefcount 自己也会引入一次计数。另外一个要注意的是，在函数调用发生的时候，会产生额外的两次引用，一次来自函数栈，另外一个是函数参数。app

　　又如：函数

import sys a = [] print(sys.getrefcount(a)) # 两次
 b = a print(sys.getrefcount(a)) # 三次
 c = b d = b e = c f = e g = d print(sys.getrefcount(a)) # 八次

########## 输出 ##########

2
3
8

　　a、b、c、d、e、f、g 这些变量所有指代的是同一个对象，而 sys.getrefcount() 函数并非统计一个指针，而是要统计一个对象被引用的次数，因此最后一共会有八次引用。gitlab

　　手动释放内存，应该怎么作呢？方法一样很简单。只须要先调用 del a 来删除一个对象；而后强制调用 gc.collect()，便可手动启动垃圾回收。

import gc import os import psutil # 显示当前 python 程序占用的内存大小
def show_memory_info(hint): pid = os.getpid() p = psutil.Process(pid) info = p.memory_full_info() memory = info.uss / 1024. / 1024
    print('{} memory used: {} MB'.format(hint, memory)) show_memory_info('initial') a = [i for i in range(10000000)] show_memory_info('after a created') del a gc.collect() show_memory_info('finish') print(a) initial memory used: 6.54296875 MB after a created memory used: 199.17578125 MB finish memory used: 7.26171875 MB Traceback (most recent call last): File "Coroutine.py", line 24, in <module>
    print(a) NameError: name 'a' is not defined

循环引用

　　观察代码：

def func(): show_memory_info('initial') a = [i for i in range(10000000)] b = [i for i in range(10000000)] show_memory_info('after a, b created') a.append(b) b.append(a) func() show_memory_info('finished') ########## 输出 ##########

initial memory used: 6.625 MB
after a, b created memory used: 392.08984375 MB
finished memory used: 392.08984375 MB

　　这里，a 和 b 互相引用，而且，做为局部变量，在函数 func 调用结束后，a 和 b 这两个指针从程序意义上已经不存在了。可是，很明显，依然有内存占用！为何呢？由于互相引用，致使它们的引用数都不为 0。

　　处理这种状况，能够调用显式调用 gc.collect() ，来启动垃圾回收。

　　Python 使用标记清除（mark-sweep）算法和分代收集（generational），来启用针对循环引用的自动垃圾回收。

调试内存泄漏

　　objgraph，一个很是好用的可视化引用关系的包.

　　安装：

pip install graphviz pip install xdot pip install objgraph

　　windows的话要除了装以上库还要在官网https://graphviz.gitlab.io/_pages/Download/Download_windows.html下载，而后设置环境变量 Path增长C:\Program Files (x86)\Graphviz2.38\bin，在CMD输入dot -version验证。

　　经过下面这段代码和生成的引用调用图，你能很是直观地发现，有两个 list 互相引用，说明这里极有可能引发内存泄露。

import objgraph a = [1, 2, 3] b = [4, 5, 6] a.append(b) b.append(a) objgraph.show_refs([a])

　　注：在windows中可能会提示:

Graph written to C:\Users\Public\Documents\Wondershare\CreatorTemp\objgraph-wwcqiie_.dot (8 nodes) Image renderer (dot) not found, not doing anything else

　　这时只要在打开dot文件所在的路径，而后CMD中执行

dot .\objgraph-yclwfpzr.dot -Tpng -o image.png

　　就能够生成文件。

　　另外一个很是有用的函数，是 show_backrefs()。如下是调用show_backrefs()生成的图片。

参考

　　极客时间《Python核心技术与实战》专栏