python中的内存管理

文章目录

• • python引用机制
  • • ==引用计数==
    • ==垃圾回收==
    • 缓冲池

python引用机制

以引用计数为主，分代回收、标记清除为辅的垃圾回收方式，以及对小整型进行缓存和简单字符串驻留的内存池机制

Python动态类型

• 对象是储存在内存中的实体。

• 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（内存地址会不一样）

引用计数

python中的每个对象都维护一个引用计数 ob_ref字段

当有新的引用指向该对象的时候，引用计数+1

当有无效的引用发生的时候， 引用计数-1

最后引用计数为0， 销毁对象

获取引用计数: getrefcount()

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

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。

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

>>> a = [1, 2, 3]
>>> getrefcount(a)
2
>>> b = [a, a]
>>> getrefcount(a)
4

# 因为对象b引用对象a，所以对象c引用对象b时实际上也是引用对象a
# 并且a,b,c指向同一个引用，引用计数相同
>>> a = [1, 2, 3]
>>> b = a
>>> c = b
>>> getrefcount(a)
4
>>> getrefcount(b)
4
>>> getrefcount(c)
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）

>>> a = [1, 2, 3]
>>> b = a
>>> getrefcount(b)
3
>>> del a
>>> getrefcount(b)
2

>>> a = [1, 2, 3]
>>> b = a
>>> getrefcount(a)
3
>>> del b
>>> getrefcount(a)
2

>>> a = [1, 2, 3]
>>> b = a
>>> getrefcount(b)
3
>>> a = 300
>>> getrefcount(b)
2

循环引用

>>> from sys import getrefcount
>>> x = [1]
>>> y = [2]
>>> x.append(y)
>>> y.append(x)
>>> getrefcount(x)
3
>>> getrefcount(y)
3
>>> del x	# x的引用计数-1，但是不为0
>>> del y
>>> getrefcount(x)
Traceback (most recent call last):
  File "", line 1, in <module>
NameError: name 'x' is not defined

对于上面相互引用的情况,如果不存在其他对象对他们的引用,这两个对象

所占用的内存也还是无法回收,从而导致内存泄漏

根据引用计数的规律，出现循环引用的情况，内存是无法通过引用计数来释放

这种情况就会造成内存泄露

内存泄露：有一部分没存被占用无法释放，进程又无法访问（站着茅坑不拉屎）

后果：

内存溢出 （oom – out of memory）: 内存不够，程序需要的内存大于系统空闲内存

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

垃圾回收

当Python的某个对象的引用计数降为0时，可以被垃圾回收

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。

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。

>>> import gc
>>> gc.get_threshold()
(700, 10, 10)

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

分代回收 —— 启动垃圾回收的时候确定扫描哪些对象的

标记清除——主要解决循环引用

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4uPPegzF-1652093028516)(C:\Users\lier\AppData\Roaming\Typora\typora-user-images\image-20220509184056391.png)]

缓冲池

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。

预先创建好一个小整型数池 [-5, 256]

>>> a = 3
>>> getrefcount(a)
70
>>> a = 1
>>> getrefcount(a)
934
>>> a = 300
>>> getrefcount(a)
2
>>> a = -5
>>> getrefcount(a)
3
>>> a = -6
>>> getrefcount(a)
2
>>> a = 256
>>> getrefcount(a)
36
>>> a = 257
>>> getrefcount(a)
2

当定义的值不在[-5, 256]这个整型池中时，引用计数就只有1

当在[-5, 256]这个整型池中时，直接从整型池中引用，引用计数为多个

字符串驻留区

>>> str1 = "abdssa"
>>> getrefcount(str1)
2
>>> str = "abdssa"
>>> getrefcount(str)
3
>>> id(str1)
140017852065248
>>> id(str)
140017852065248

单个字符，创建之后会存放在字符串驻留区

多个字符，创建之后如果没有特殊字符，就会存放在字符串驻留区

>>> str1 = "abc xyz"
>>> str2 = "abc xyz"
>>> id(str1)
140017852065472
>>> id(str2)
140017987252328
>>> str1 = "abc123"
>>> str2 = "abc123"
>>> id(str1)
140017987252440
>>> id(str2)
140017987252440
>>> str1 = "#"
>>> str2 = "#"
>>> id(str1)
140017988334064
>>> id(str2)
140017988334064