python内存管理

内存管理

先从较浅的层面来讲，Python的内存管理机制能够从三个方面来说

（1）引用计数

（2）垃圾回收

（3）内存池机制

 

（1）引用计数

在Python中，每一个对象都有存有指向该对象的引用总数，即引用计数(reference count)。

咱们可使用sys包中的getrefcount()，来查看某个对象的引用计数。须要注意的是，当使用某个引用做为参数，传递给getrefcount()时，参数实际上建立了一个临时的引用。所以，getrefcount()所获得的结果，会比指望的多1。

引用计数

from sys import getrefcount


# 普通引用
a = [1, 2, 3]
print(getrefcount(a))  # 2

b = a
print(getrefcount(b))  # 3


# 对象间引用
# class
class from_obj(object):
    def __init__(self, to_obj):
        self.to_obj = to_obj

c = [1,2,3]
d = from_obj(c)
print(id(d.to_obj))  # 86378576
print(id(c))  # 86378576
print(getrefcount(c))  # 3
print(getrefcount(d))  # 2

# 其余
e = []
f = [e,e]
print(getrefcount(e))  # 4
print(getrefcount(f))  # 2

引用减小

####### 引用减小

from sys import getrefcount

a = [1, 2, 3]
b = a
print(getrefcount(b))  # 3

del a
print(getrefcount(b))  # 2

c = [1,2,3]
del c[0]
print(c)  # [2, 3]
print(getrefcount(c))  # 2

引用环

########### 引用环
from sys import getrefcount

a = []
b = [a]
a.append(b)

print(getrefcount(a))  # 3
print(getrefcount(b))  # 3


c = []
c.append(c)
print(getrefcount(c))  # 3

objgraph包来绘制其引用关系

容器对象的引用可能构成很复杂的拓扑结构。咱们能够用objgraph包来绘制其引用关系，好比

x = [1, 2, 3]
y = [x, dict(key1=x)]
z = [y, (x, y)]

import objgraph
objgraph.show_refs([z], filename='ref_topo.png')

 

（2）垃圾回收

引用计数为0则回收

从基本原理上，当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾了。好比某个新建对象，它被分配给某个引用，对象的引用计数变为1。若是引用被删除，对象的引用计数为0，那么该对象就能够被垃圾回收。好比下面的表:

a = [1, 2, 3]
del a

del a后，已经没有任何引用指向以前创建的[1, 2, 3]这个表。用户不可能经过任何方式接触或者动用这个对象。这个对象若是继续待在内存里，就成了不健康的脂肪。当垃圾回收启动时，Python扫描到这个引用计数为0的对象，就将它所占据的内存清空。

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下降Python的工做效率。若是内存中的对象很少，就没有必要总启动垃圾回收。因此，Python只会在特定条件下，自动启动垃圾回收。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。当二者的差值高于某个阈值时，垃圾回收才会启动。

咱们能够经过gc模块的get_threshold()方法，查看该阈值:

import gc
print(gc.get_threshold())

返回(700, 10, 10)，后面的两个10是与分代回收相关的阈值，后面能够看到。700便是垃圾回收启动的阈值。能够经过gc中的set_threshold()方法从新设置。

咱们也能够手动启动垃圾回收，即便用gc.collect()。

分代回收

Python将全部的对象分为0，1，2三代。全部的新建对象都是0代对象。当某一代对象经历过垃圾回收，依然存活，那么它就被纳入下一代对象。垃圾回收启动时，必定会扫描全部的0代对象。若是0代通过必定次数垃圾回收，那么就启动对0代和1代的扫描清理。当1代也经历了必定次数的垃圾回收后，那么会启动对0，1，2，即对全部对象进行扫描。

这两个次数即上面get_threshold()返回的(700, 10, 10)返回的两个10。也就是说，每10次0代垃圾回收，会配合1次1代的垃圾回收；而每10次1代的垃圾回收，才会有1次的2代垃圾回收。

一样能够用set_threshold()来调整，好比对2代对象进行更频繁的扫描。

import gc
gc.set_threshold(700, 10, 5)

 

孤立的引用环

引用环的存在会给上面的垃圾回收机制带来很大的困难。这些引用环可能构成没法使用，但引用计数不为0的一些对象。

a = []
b = [a]
a.append(b)

del a
del b

上面咱们先建立了两个表对象，并引用对方，构成一个引用环。删除了a，b引用以后，这两个对象不可能再从程序中调用，就没有什么用处了。可是因为引用环的存在，这两个对象的引用计数都没有降到0，不会被垃圾回收。

 

孤立的引用环

 

为了回收这样的引用环，Python复制每一个对象的引用计数，能够记为gc_ref。假设，每一个对象i，该计数为gc_ref_i。Python会遍历全部的对象i。对于每一个对象i引用的对象j，将相应的gc_ref_j减1。

 

遍历后的结果

 

在结束遍历后，gc_ref不为0的对象，和这些对象引用的对象，以及继续更下游引用的对象，须要被保留。而其它的对象则被垃圾回收。

 

（3）内存池机制

Python的内存机制以金字塔行，-1，-2层主要有操做系统进行操做，

　　第0层是C中的malloc，free等内存分配和释放函数进行操做；

　　第1层和第2层是内存池，有Python的接口函数PyMem_Malloc函数实现，当对象小于256K时有该层直接分配内存；

　　第3层是最上层，也就是咱们对Python对象的直接操做；

在 C 中若是频繁的调用 malloc 与 free 时,是会产生性能问题的.再加上频繁的分配与释放小块的内存会产生内存碎片. Python 在这里主要干的工做有:

　　若是请求分配的内存在1~256字节之间就使用本身的内存管理系统,不然直接使用 malloc.

　　这里仍是会调用 malloc 分配内存,但每次会分配一块大小为256k的大块内存.

　　经由内存池登记的内存到最后仍是会回收到内存池,并不会调用 C 的 free 释放掉.以便下次使用.对于简单的Python对象，例如数值、字符串，元组（tuple不容许被更改)采用的是复制的方式(深拷贝?)，也就是说当将另外一个变量B赋值给变量A时，虽然A和B的内存空间仍然相同，但当A的值发生变化时，会从新给A分配空间，A和B的地址变得再也不相同。

 

 

参考or转发

https://www.cnblogs.com/vamei/p/3232088.html

https://www.cnblogs.com/CBDoctor/p/3781078.html