笔记-python-内存管理
1. 内存使用
1.1. 对象的内存使用
a = 1
1是一个对象，a是引用，指向1。
>>> id(a)
1951821280
这个数字代表内存地址；
在Python中，整数和短小的字符，Python都会缓存这些对象，以便重复使用。当我们创建多个等于1的引用时，实际上是让所有这些引用指向同一个对象。
下面进行测试：
a = 1
b = 1
print(id(a), id(b), a is b)
>>>
1951821280 1951821280 True
这点需要特别注意，特别是在多重数组创建时；
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)
可以使用sys包中的getrefcount()，来查看某个对象的引用计数。需要注意的是，当使用某个作为参数，传递给getrefcount()时，参数实际上创建了一个临时的引用；所以，getrefcount()所得到的结果，会比期望的多1.
from sys import getrefcount
a = [1, 2, 3]
print(getrefcount(a))
b = a
print(getrefcount(b))
输出是2和3，而非1和2
1.2. 对象引用对象
Python的一个容器对象(container)，比如表、词典等，可以包含多个对象，实际上，容器对象中包含的并不是元素对象本身，而是指向各个元素对象的引用。
class from_obj(object):
def __init__(self, to_obj):
self.to_obj = to_obj
b = [1,2,3]
a = from_obj(b)
print(id(a.to_obj))
print(id(b))
结果是
878391926216
878391926216
显然，a引用了b。
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.
容器的引用可能构成复杂的拓扑。
1.3. 引用环
引用环：reference cycle两个对象可能相互引用，构成引用环。
a = []
b = [a]
a.append(b)
即使是一个对象，只需要自己引用自己，也能构成引用环。
a = []
a.append(a)
print(getrefcount(a))
引用环会给垃圾回收机制带来很大的麻烦。
1.4. 引用减少
当然，引用计数是会减少的，比如，删除引用；
from sys import getrefcount
a = [1, 2, 3]
b = a
print(getrefcount(b))
del a
print(getrefcount(b))
或者，引用指向其它对象；
from sys import getrefcount
a = [1, 2, 3]
b = a
print(getrefcount(b))
a = 1
print(getrefcount(b))
2. 格式
2.1. 格式
2.1.1. 格式
3. 内存回收
内存不是无限的，很多对象也不会一直占用内存，因此，在合适的时候需要内存回收garbage colleciton；
3.1. 引用计数
Python中的垃圾回收是以引用计数为主，分代收集为辅。引用计数的缺陷是循环引用的问题。
在Python中，如果一个对象的引用数为0，Python虚拟机就会回收这个对象的内存。
回收垃圾无疑需要占用处理能力，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，如果内存中的对象不多，就没有必要总启动垃圾回收。
所以，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。当两者的差值高于某个阈值时，垃圾回收才会启动。
可以通过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，后面可以看到。700即是垃圾回收启动的阈值。可以通过gc中的set_threshold()方法重新设置。
也可以手动启动垃圾回收，即使用gc.collect()。
导致引用计数+1的情况
对象被创建，例如a=23
对象被引用，例如b=a
对象被作为参数，传入到一个函数中，例如func(a) 对象作为参数传入到一个函数中会 +2
对象作为一个元素，存储在容器中，例如list1=[a,a]
导致引用计数-1的情况
对象的别名被显式销毁，例如del a
对象的别名被赋予新的对象，例如a=24
一个对象离开它的作用域，例如f函数执行完毕时，func函数中的局部变量（全局变量不会）
对象所在的容器被销毁，或从容器中删除对象
3.1.1. 分代回收
Python同时采用了分代(generation)回收的策略。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。程序往往会产生大量的对象，许多对象很快产生和消失，但也有一些对象长期被使用。出于信任和效率，对于这样一些“长寿”对象，我们相信它们的用处，所以减少在垃圾回收中扫描它们的频率。
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。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。
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。
同样可以用set_threshold()来调整，比如对2代对象进行更频繁的扫描。
import gc
gc.set_threshold(700, 10, 5)
3.2. 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无法使用，但引用计数不为0的一些对象。
a = []
b = [a]
a.append(b)
del a
del b
从需求来看，上面两个对象不再使用，应该释放对应的资源；但由于引用环，这两个对象的引用计数都没有降到0，不会被回收；
为了回收这样的引用环，Python复制每个对象的引用计数，可以记为gc_ref。假设，每个对象i，该计数为gc_ref_i。Python会遍历所有的对象i。对于每个对象i引用的对象j，将相应的gc_ref_j减1。
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，需要被保留。而其它的对象则被垃圾回收。