【移動應(yīng)用開發(fā)技術(shù)】Python垃圾回收是如何現(xiàn)的

【移動應(yīng)用開發(fā)技術(shù)】Python垃圾回收是如何現(xiàn)的

這篇文章主要講解了“Python垃圾回收是如何現(xiàn)的”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著在下的思路慢慢深入，一起來研究和學(xué)習(xí)“Python垃圾回收是如何現(xiàn)的”吧！垃圾回收（GC）大家應(yīng)該多多少少都了解過，什么是垃圾回收呢？垃圾回收GC的全拼是GarbageCollection，在維基百科的定義是：在計算機科學(xué)中，垃圾回收（英語：GarbageCollection，縮寫為GC）是一種自動的內(nèi)存管理機制。當(dāng)一個電腦上的動態(tài)內(nèi)存不再需要時，就應(yīng)該予以釋放，以讓出內(nèi)存，這種內(nèi)存資源管理，稱為垃圾回收。我們都知道在C/C++里用戶需要自己管理維護內(nèi)存，自己管理內(nèi)存是很自由，可以隨意申請、釋放內(nèi)存，但是極易會出現(xiàn)內(nèi)存泄露，懸空指針等問題；像現(xiàn)在的高級語言Java，Python等，都采用了垃圾回收機制，自動進行內(nèi)存管理，而垃圾回收機制專注于兩件事：①找到內(nèi)存中無用的垃圾資源。②清除這些垃圾資源并把內(nèi)存讓出來給其他對象使用。Python作為一門解釋型語言，因為簡單易懂的語法，我們可以直接對變量賦值，而不必聲明變量的類型，變量類型的確定、內(nèi)存空間的分配與釋放都是由Python解釋器在運行時自動進行的，我們不必關(guān)心；Python這一自動管理內(nèi)存的功能極大的減少了開發(fā)者的編碼負擔(dān)，讓開發(fā)者專注于業(yè)務(wù)實現(xiàn)，這也是成就Python自身的重要原因之一。接下來，我們就扒一扒Python的內(nèi)存管理。引用計數(shù)Python中一切皆對象，也就是說，在Python中你用到的一切變量，本質(zhì)上都是類對象。實際上每一個對象的核心就是一個**「結(jié)構(gòu)體PyObject」**，它的內(nèi)部有一個引用計數(shù)器ob_refcnt，程序在運行的過程中會實時的更新ob_refcnt的值，來反映引用當(dāng)前對象的名稱數(shù)量。當(dāng)某對象的引用計數(shù)值為0,說明這個對象變成了垃圾，那么它會被回收掉，它所用的內(nèi)存也會被立即釋放掉。typedef

struct

_object

{

int

ob_refcnt;//引用計數(shù)

struct

_typeobject

*ob_type;

}

PyObject;以下情況是導(dǎo)致引用計數(shù)加一的情況:①對象被創(chuàng)建，例如a=5②對象被引用，b=a③對象被作為參數(shù)，傳入到一個函數(shù)中（要注意的是，在函數(shù)調(diào)用發(fā)生的時候，會產(chǎn)生額外的兩次引用，一次來自函數(shù)棧，另一個是函數(shù)參數(shù)）④對象作為一個元素，存儲在容器中（例如存儲在列表中）下面的情況則會導(dǎo)致引用計數(shù)減一:①對象別名被顯示銷毀dela②對象別名被賦予新的對象③一個對象離開它的作用域④對象所在的容器被銷毀或者是從容器中刪除對象我們還可以通過sys包中的getrefcount()來獲取一個名稱所引用的對象當(dāng)前的引用計數(shù)(注意，這里getrefcount()本身會使得引用計數(shù)加一)import

sys

a

=

[1,

2,

3]

print(sys.getrefcount(a))

#

輸出為2，說明有兩次引用（一次來自a的定義，一次來自getrefcount）

def

func(a):

print(sys.getrefcount(a))

#

輸出為4，說明有四次引用（a的定義、Python的函數(shù)調(diào)用棧，函數(shù)參數(shù)，和getrefcount）

func(a)

print(sys.getrefcount(a))

#

輸出為2，說明有兩次引用（一次來自a的定義，一次來自getrefcount），此時函數(shù)func調(diào)用已經(jīng)不存在下面從使用內(nèi)存的角度看一下：import

os

import

psutil

def

show_memory_info(hint):

"""

顯示當(dāng)前

python

程序占用的內(nèi)存大小

:param

hint:

:return:

"""

pid

=

os.getpid()

p

=

psutil.Process(pid)

info

=

p.memory_full_info()

memory

=

info.rss

/

1024

/

1024

print("{}

當(dāng)前進程的內(nèi)存使用:

{}

MB".format(hint,

memory))

def

func():

show_memory_info("初始")

a

=

[i

for

i

in

range(9999999)]

show_memory_info("創(chuàng)建a之后")

func()

show_memory_info("結(jié)束")輸出如下：初始當(dāng)前進程的內(nèi)存使用:12.125MB創(chuàng)建a之后當(dāng)前進程的內(nèi)存使用:205.15625MB結(jié)束當(dāng)前進程的內(nèi)存使用:12.87890625MB初始當(dāng)前進程的內(nèi)存使用:12.125MB創(chuàng)建a之后當(dāng)前進程的內(nèi)存使用:205.15625MB結(jié)束當(dāng)前進程的內(nèi)存使用:12.87890625MB可以看出，當(dāng)前進程初始的內(nèi)存使用為12.125MB，當(dāng)調(diào)用了函數(shù)func()創(chuàng)建列表a之后，內(nèi)存占用迅速增加到了205.15625MB，而在函數(shù)調(diào)用結(jié)束后，內(nèi)存則返回正常。這是因為，函數(shù)內(nèi)部聲明的列表a是局部變量，在函數(shù)返回后，局部變量的引用會注銷掉，此時列表a所指代對象的引用計數(shù)為0，Python便會執(zhí)行垃圾回收，因此之前占用的大量內(nèi)存就又回來了。循環(huán)引用何為循環(huán)引用？簡單來說就是兩個對象相互引用?？聪旅嬉欢纬绦颍篸ef

func2():

show_memory_info("初始")

a

=

[i

for

i

in

range(10000000)]

b

=

[x

for

x

in

range(10000001,

20000000)]

a.append(b)

b.append(a)

show_memory_info("創(chuàng)建a,b之后")

func2()

show_memory_info("結(jié)束")輸出如下：初始當(dāng)前進程的內(nèi)存使用:12.14453125MB創(chuàng)建a,b之后當(dāng)前進程的內(nèi)存使用:396.6875MB結(jié)束當(dāng)前進程的內(nèi)存使用:396.96875MB初始當(dāng)前進程的內(nèi)存使用:12.14453125MB創(chuàng)建a,b之后當(dāng)前進程的內(nèi)存使用:396.6875MB結(jié)束當(dāng)前進程的內(nèi)存使用:396.96875MB可以看出，在程序中，a和b互相引用，并且作為局部變量在函數(shù)func2調(diào)用結(jié)束后，a和b從程序意義上已經(jīng)不存在，但從輸出結(jié)果中看到，依然有內(nèi)存占用，這是為什么呢？因為互相引用導(dǎo)致它們的引用數(shù)都不為0。如果在生產(chǎn)環(huán)境下出現(xiàn)了循環(huán)引用，又沒有其他垃圾回收機制的情況下，經(jīng)過長時間運行后，程序所占用的內(nèi)存一定會變得越來越大，如果沒有被及時處理，一定會跑滿服務(wù)器的。如果不得不使用循環(huán)引用的話，我們可以顯式調(diào)用gc.collect()來啟動垃圾回收：def

func2():

show_memory_info("初始")

a

=

[i

for

i

in

range(10000000)]

b

=

[x

for

x

in

range(10000001,

20000000)]

a.append(b)

b.append(a)

show_memory_info("創(chuàng)建a,b之后")

func2()

gc.collect()

show_memory_info("結(jié)束")輸出如下：初始當(dāng)前進程的內(nèi)存使用:12.29296875MB創(chuàng)建a,b之后當(dāng)前進程的內(nèi)存使用:396.69140625MB結(jié)束當(dāng)前進程的內(nèi)存使用:12.95703125MB初始當(dāng)前進程的內(nèi)存使用:12.29296875MB創(chuàng)建a,b之后當(dāng)前進程的內(nèi)存使用:396.69140625MB結(jié)束當(dāng)前進程的內(nèi)存使用:12.95703125MB引用計數(shù)機制有高效、簡單、實時性（一旦為零就直接做掉）等優(yōu)點，一旦一個對象的引用計數(shù)歸零，內(nèi)存就直接釋放了。不用像其他機制等到特定時機。將垃圾回收隨機分配到運行的階段，處理回收內(nèi)存的時間分攤到了平時，正常程序的運行比較平穩(wěn)。但是，引用計數(shù)也存在著一些缺點，通常的缺點有：①邏輯雖然簡單，但維護起來有些麻煩。每個對象需要分配單獨的空間來統(tǒng)計引用計數(shù)，并且需要對引用計數(shù)進行維護，這是需要消耗一下資源的。②循環(huán)引用。這將是引用計數(shù)機制的致命傷，引用計數(shù)對此是無解的，因此必須要使用其它的垃圾回收算法對其進行補充。事實上，Python使用標(biāo)記清除（mark-sweep）算法和分代收集（generational），來啟用針對循環(huán)引用的自動垃圾回收。標(biāo)記清除解除循環(huán)引用Python采用了標(biāo)記-清除(MarkandSweep)算法，解決容器對象可能產(chǎn)生的循環(huán)引用問題。(注意，只有容器類對象才有可能產(chǎn)生循環(huán)引用，比如列表、字典、用戶自定義類的對象、元組等。而像數(shù)字，字符串這類簡單類型不會出現(xiàn)循環(huán)引用。作為一種優(yōu)化策略，對于只包含簡單類型的元組也不在標(biāo)記清除算法的考慮之列)它分為兩個階段：第一階段是標(biāo)記階段，GC會把所有的活動對象打上標(biāo)記，第二階段是把那些沒有標(biāo)記的非活動對象進行回收。那么Python又是如何判斷什么樣的對象為非活動對象的呢？對于任何對象集合，我們先建個引用計數(shù)副本表，來存它們的引用計數(shù)，然后把集合內(nèi)部的引用都解除掉（內(nèi)部引用是指這個集合中的某個對象引用了本集合內(nèi)部的另一個對象），解除的過程中在副本表減少引用計數(shù)，解除掉所有的內(nèi)部引用后，在副本表引用計數(shù)依然不為0的，就是根集合，然后開始標(biāo)記過程，即從跟集合節(jié)點逐步恢復(fù)引用并增加副本表的引用計數(shù)，最后副本表中引用計數(shù)為0的，就是垃圾對象了，我們就需要對它們進行垃圾回收。例如：上面這個集合中的節(jié)點有外部進來的連接（到a和到b），也有到外部的連接（c引用了外面某個對象），右邊是引用計數(shù)表，然后我們拆掉所有內(nèi)部連接：那么根集合就是a和b了，然后我們從a和b出發(fā)開始標(biāo)記并恢復(fù)引用計數(shù)：從a和b出發(fā)可達的節(jié)點都被恢復(fù)了，引用計數(shù)還是0的就是這個集合內(nèi)部循環(huán)引用的垃圾（e和f），如果把所有對象看做一個集合，那么可以回收所有垃圾，也可以將所有對象劃分成一個個小的集合，分別回收小集合內(nèi)的垃圾。但是每次都需要遍歷圖，對于Python而言是一種巨大的性能浪費。分代回收分代回收是一種以空間換時間的操作方式，Python將內(nèi)存根據(jù)對象的存活時間劃分為不同的集合，每個集合稱為一個代，Python將內(nèi)存分為了3代，分別為年輕代(第0代)、中年代(第1代)、老年代(第2代)。它們對應(yīng)3個鏈表，它們的垃圾收集頻率隨對象的存活時間的增大而減小。新創(chuàng)建的對象都會分配在年輕代，