Python是如何管理内存的？
一、引用计数
在Python中，使用了引用计数这个一技术实现内存管理，一个对象被创建完成后就有一个变量指向它，那么就说明它的引用计数为1。以后如果有其它变量指向它，引用计数也会相应增加，如果将一个变量不再执行这个对象，那么这个对象的引用计数减1。如果一个对象没有任何变量指向它，也就是引用计数为0，那么这个对象会被Python回收。
class Person(Object):
def __init__(self, name):
self.name = name
def __del__(self):
print("%s执行了del函数"%(self.name,))
while True:
p1 = Person("p1")
p2 = Person("p2")
del p1
del p2
a = input("test: ")
>>> test:
>>> p1执行del函数
>>> p2执行del函数
可以看到两个对象的del函数都得到了执行
二、循环引用
引用计数这一技术虽然在一定程度上解决了内存管理问题。但是还是有不能解决的问题，即循环引用。比如现在有两个对象分别为a和b，a指向了b，b有指向了a。那么它们两的引用计数永远都不会为0，也就不会被回收。
class Person(Object):
def __init__(self, name):
self.name = name
def __del__(self):
print("%s执行了del函数"%(self.name,))
while True:
p1 = Person("p1")
p2 = Person("p2")
# 循环引用后，永远得不到释放
p1.next = p2
p2.prev = p1
del p1
del p2
a = input("")
>>> test:
可以看到，del函数是不会运行的，是因为循环引用导致两个对象得不到释放。
三、标记清除和分代回收
在Python程序中，每次你新创建了一个对象，那么就会将这个对象挂到一个叫做零代链表中（当然这个链表是Python内部的，Python开发者是无法访问的）。比如现在你在程序中创建四个Person对象，分别叫做p1，p2，p3，p4，然后p1与p2之间相互引用，并且让p3和p4的引用计数为2
import sys
class Person(Object):
del __init__(self, name):
self.name = name
self.next = None
self.prev = None
p1 = Person("p1")
p2 = Person("p2")
p3 = Person("p3")
p4 = Person("p4")
p1.next = p2
p2.prev = p1
temp1 = p3
temp2 = p4
print(sys.getrefcount(p1))
print(sys.getrefcount(p2))
print(sys.getrefcount(p3))
print(sys.getrefcount(p4))
以上代码实际上会将p1，p2，p3，p4挂在一个叫做零代链表中
零代链表.jpg
我们可以看到，这时候p1引用了p2，而p2又引用了p1，因此这两个对象产生了循环引用，在后期即使我们删除了del p1 和 del p2，那么这两个对象也不会释放。
零代链表2.jpg
因此这个时候Python就会启用一个新的垃圾回收机制。如果创建的对象总和减去释放的对象，达到一定的值（某个阈值）,那么Python就会遍历这个零代链表，找到那些相互引用的对象，将这个些对象的引用计数减1，如果引用计数的值为0了，那么就说明这个对象可以被释放。比如以上p1和p2，这时候就会释放p1和p2。接下来再将没有被释放的对象，移动到一个新的链表中，这个链表叫做一代链表。
一代链表.jpg
在零代链表清理的次数达到某个阈值后，Python会去遍历一代链表，将那些没有得到释放的对象移动到二代链表。同样的原理，如果一代链表清理的次数达到某个阈值后，Python回去遍历二代链表，把垃圾对象进行回收。
四、弱代假说
来看看垃圾回收算法的核心行为：垃圾回收器会更频繁的处理新对象。一个新的对象即使你的程序刚刚创建的，而另一个对象则是经过了几个时间周期之后仍然存在的对象。Python会在当一个对象从零代移动到一代，或是从一代移动到二代的过程中提升这个对象。
为什么要这么做？这种算法的根源来自于弱代假说(weak generational hypothesis)。这个假说由两个观点构成：首先是年轻的对象通常死的很快，而老对象则很有可能存活更长时间。
假定现在我们用Python创建一个新对象：
根据假说，我们的代码很可能仅仅会使用到ABC很短的时间。这个对象也许仅仅只是一个方法中的中间结果，并且随着方法的返回这个对象就将变成垃圾了。大部分的新对象都是如此这般地很快变成垃圾。然而，偶尔程序会创建一些很重要的变量，存活时间比较长的对象，例如web应用中的session变量或是配置项。
通过频繁的处理零代链表中的新对象，Python的垃圾收集器将把时间花在更有意义的地方。它处理那些很快就可能变成垃圾的新对象。同时只在很少的时候，当满足阈值的条件，收集器才回去处理那些老变量。
网友评论