Python – 内存管理机制

python引用计数机制

python垃圾回收主要以引用计数为主，标记‑清除和分代清除为辅的机制，其中标记‑清除和分代回收主要是为了处理循环引用的难题.

引用计数算法

当有1个变量保存了对象的引用时，此对象的引用计数就会加1

当使用del删除变量指向的对象时，如果对象的引用计数不为1，比如3，那么此时只会让这

个引用计数减1，即变为2，当再次调用del时，变为1，如果再调用1次del，此时会真的把对象进行删除

python垃圾回收机制

python垃圾回收主要以引用计数为主，标记‑清除和分代清除为辅的机制，其中标记‑清除和分代回收主要是为了处理循环引用的难题.

引用计数算法

当有1个变量保存了对象的引用时，此对象的引用计数就会加1

当使用del删除变量指向的对象时，如果对象的引用计数不为1，比如3，那么此时只会让这个引用计数减1，即变为2，当再次调用del时，变为1，如果再调用1次del，此时会真的把对象进行删除

Python内存管理机制

​python中万物皆对象，python的存储问题是对象的存储问题，并且对于每个对象，python会分配一块内存空间去存储它

​ Python的内存管理机制：引入计数、垃圾回收、内存池机制

一、变量与对象

 

1、变量，通过变量指针引用对象

变量指针指向具体对象的内存空间，取对象的值.

2、对象，类型已知，每个对象都包含一个头部信息（头部信息：类型标识符和引用计数器）

注意：变量名没有类型，类型属于对象（因为变量引用对象，所以类型随对象），变量引用什么类型的对象，变量就是什么类型的.

In [32]: var1 = object
In [33]: var2 = var1
In [34]: id(var1)
Out[34]: 139697863383968
In [35]: id(var2)
Out[35]: 139697863383968

说明： id()是python的内置函数，用于返回对象的身份，即对象的内存地址.

修改变量所指对象值情况

 

案例：

In [39]: a=123
In [40]: b=a
In [41]: id(a)
Out[41]: 23242832

In [42]: id(b)
Out[42]: 23242832

In [43]: a=456

In [44]: id(a)
Out[44]: 33166408

In [45]: id(b)
Out[45]: 23242832

3、引用所指判断

​ 通过is进行引用所指判断，is是用来判断两个引用所指的对象是否相同.

整数
In [46]: a=1
In [47]: b=1
In [48]: print(a is b)
True
短字符串
In [49]: c="good"
In [50]: d="good"
In [51]: print(c is d)
True
长字符串
In [52]: e="very good"
In [53]: f="very good"
In [54]: print(e is f)
False
列表
In [55]: g=[]
In [56]: h=[]
In [57]: print(g is h)
False

由运行结果可知：

1、Python缓存了整数和短字符串，因此每个对象在内存中只存有一份，引用所指对象就是相同的，即使使用赋值语句，也只是创造新的引用，而不是对象本身；

2、Python没有缓存长字符串、列表及其他对象，可以由多个相同的对象，可以使用赋值语句创建出新的对象.

​3. python中对大于256的整数，会重新分配对象空间地址保存对象；对于字符串来说，如果不包含空格的字符串，则不会重新分配对象空间，对于包含空格的字符串则会重新分配

​ （a = 256, b = 256 , a is b == true, a = 300, b= 300, a is b == false;

​ x = "abc ef" , y="abc ef" x is y == false）

二、引用计数

在Python中，每个对象都有指向该对象的引用总数---引用计数

查看对象的引用计数：sys.getrefcount()

1、普通引用

In [2]: import sys

In [3]: a=[1,2,3,4]
In [4]: sys.getrefcount(a)
Out[4]: 2

In [5]: b=a
In [6]: sys.getrefcount(a)
Out[6]: 3

In [7]: sys.getrefcount(b)
Out[7]: 3

注意：

　　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.

2、容器对象

　　Python的一个容器对象(比如：表、词典等)，可以包含多个对象.

In [12]: a=[1,2,3,4,5]
In [13]: b=a

In [14]: a is b
Out[14]: True

In [15]: a[0]=6
In [16]: a
Out[16]: [6, 2, 3, 4, 5]

In [17]: a is b
Out[17]: True

In [18]: b
Out[18]: [6, 2, 3, 4, 5]

列表赋值

 

由上可见，实际上，容器对象中包含的并不是元素对象本身，是指向各个元素对象的引用.

3、引用计数增加

（1）对象被创建

In [39]: sys.getrefcount(123)
Out[39]: 6

In [40]: n=123
In [41]: sys.getrefcount(123)
Out[41]: 7

 (2) 另外的别人被创建

In [42]: m=n
In [43]: sys.getrefcount(123)
Out[43]: 8

 (3) 作为容器对象的一个元素

In [44]: a=[1,12,123]
In [45]: sys.getrefcount(123)
Out[45]: 9

 (4) 作为参数传递给函数：foo(x)

4、引用计数减少

(1) 对象的别名被显式的销毁
In [46]: del m
In [47]: sys.getrefcount(123)
Out[47]: 8

(2) 对象的一个别名被赋值给其他对象
In [48]: n=456
In [49]: sys.getrefcount(123)
Out[49]: 7

(3) 对象从一个窗口对象中移除，或，窗口对象本身被销毁
In [50]: a.remove(123)
In [51]: a
Out[51]: [1, 12]
In [52]: sys.getrefcount(123)
Out[52]: 6

三、垃圾回收

​ 当Python中的对象越来越多，占据越来越大的内存，启动垃圾回收(garbage collection)，将没用的对象清除.

1、原理

　　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.比如某个新建对象，被分配给某个引用，对象的引用计数变为1.如果引用被删除，对象的引用计数为0，那么该对象就可以被垃圾回收.

In [74]: a=[321,123]
In [75]: del a

2、解析del

​ del a后，已经没有任何引用指向之前建立的[321,123]，该表引用计数变为0，用户不可能通过任何方式接触或者动用这个对象，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.

3、注意

(1)、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；

(2)、Python只会在特定条件下，自动启动垃圾回收（垃圾对象少就没必要回收）

(3)、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.

In [93]: import gc
In [94]: gc.get_threshold()　　#gc模块中查看阈值的方法
Out[94]: (700, 10, 10)

阈值分析：

　　700即是垃圾回收启动的阈值；

　　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；

当然也是可以手动启动垃圾回收：

In [95]: gc.collect()    #手动启动垃圾回收
Out[95]: 2

4、何为分代回收

　　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，就被归入下一代对象.

四、内存池机制

　　Python中有分为大内存和小内存：（256K为界限分大小内存）

​ 1、大内存使用malloc进行分配

​ 2、小内存使用内存池进行分配

​ 3、Python的内存池(金字塔)

​ 第3层：最上层，用户对Python对象的直接操作

　　第1层和第2层：内存池，有Python的接口函数PyMem_Malloc实现-----若请求分配的内存在1~256字节之间就使用内存池管理系统进行分配，调用malloc函数分配内存，但是每次只会分配一块大小为256K的大块内存，不会调用free函数释放内存，将该内存块留在内存池中以便下次使用.

　　第0层：大内存-----若请求分配的内存大于256K，malloc函数分配内存，free函数释放内存.

　　第 -1，-2层：操作系统进行操作

​ python内存分配情况图

 

Python的内存管理是由私有heap空间管理的.所有的Python对象和数据结构都在一个私有heap中.程序员没有访问该heap的权限，只有解释器才能对它进行操作.为Python的heap空间分配内存是由Python的内存管理模块进行的，其核心API会提供一些访问该模块的方法供程序员使用.Python有自带的垃圾回收系统，它回收并释放没有被使用的内存，让它们能够被其他程序使用；