Sirius(xiao66guo)

Python中的垃圾回收机制

2017/11/17 Python

1、小整数对象池

在程序中整数的使用非常的广泛，Python为了优化速度，使用了小整数对象池，避免为整数频繁申请和销毁内存的空间。 Python中对象小整数的定义时[-5,256]，这些整数的对象时提前建立好的，不会被垃圾回收。在一个Python的程序中，所有位于这个范围内的整数使用的都是同一个对象。

In [1]: a = -5

In [2]: id(a)
Out[2]: 10911520

In [3]: b = -5

In [4]: id(b)
Out[4]: 10911520

In [5]: c = 256

In [6]: id(c)
Out[6]: 10919872

In [7]: d = 256

In [8]: id(d)
Out[8]: 10919872

In [9]: e = 257

In [10]: id(e)
Out[10]: 139826489334128

In [11]: f = -6

In [12]: id(f)
Out[12]: 139826489334064

​ 上面中，我们可以看到范围在[-5,256]之间的整数，包含-5和256，对象在内存中的地址是相同的，同理，单个字母也是这样。

​ 但是当定义两个相同的字符串时，引用计数为0,那么就会触发垃圾回收。

2、大整数对象池

每一个大整数，均创建一个新的对象。

In [14]: a = 1234

In [15]: id(a)
Out[15]: 139826489334576

In [16]: b = 1234

In [17]: id(b)
Out[17]: 139826489334640

3、intern机制

假如有好多个对象：

a1 = "HelloWorld"
a2 = "HelloWorld"
a3 = "HelloWorld"
a4 = "HelloWorld"
a5 = "HelloWorld"
a6 = "HelloWorld"
a7 = "HelloWorld"
a8 = "HelloWorld"

python会不会创建8个对象呢？会不会在内存中开辟8个内存 空间？ 答案是不会的，想一下，如果我们写10000个对象，像上面那样，那岂不是会在内存中开辟10000个空间，那得占用多少的内存。所以在Python中有这样的一个机制—->intern机制，

让他只占用一个“HelloWorld”所占的空间，靠引用计数去维护何时释放。

In [19]: a = 'abcd'

In [20]: id(a)
Out[20]: 139826471344368

In [21]: b = 'abcd'

In [22]: id(b)
Out[22]: 139826471344368

In [23]: c = b

In [24]: id(c)
Out[24]: 139826471344368

In [25]: del a

In [26]: del b

In [27]: id(c)
Out[27]: 139826471344368

总结

  • 小整数[-5,256]共用内存，常驻内存。

  • 单个字符公用内存，常驻内存

  • 单个单词，不可修改，默认开启intern机制，公用内存，引用计数为0，则销毁

  • 字符串(含有空格)，不可修改，没开启intern机制，不共用对象，引用计数为0，销毁

    In [30]: a = 'hello world'

In [31]: b = 'hello world'

In [32]: id(a)
Out[32]: 139826489193264

In [33]: id(b)
Out[33]: 139826489192816

In [34]: c = 'helloworld'

In [35]: d = 'helloworld'

In [36]: id(c)
Out[36]: 139826486896048

In [37]: id(d)
Out[37]: 139826486896048

  • 大整数不共用内存，引用计数为0，销毁

  • 数值类型和字符串类型在Python中都是不可变的数据类型，这意味着你无法修改这个对象的值，每次对变量的修改，实际上是创建了一个新的对象。

    In [39]: a = 110

In [40]: id(a)
Out[40]: 10915200

In [41]: a += 1

In [42]: id(a)
Out[42]: 10915232

In [43]: b = 'hello'

In [44]: id(b)
Out[44]: 139826471345768

In [45]: b = 'world'

In [46]: id(b)
Out[46]: 139826471344368

4、Garbage collection(GC垃圾回收)

python采用的是引用计数机制为主，分代收集机制为辅的策略

当引用计数为0时，该对象的生命就结束了

  • 引用计数机制的优点：

    • 简单

    • 实时性：一旦没有引用，即引用计数为0，内存就直接释放了。不用像其他机制等到特定的时机，实时性还带来一个好处：处理回收内存的时间分摊到了平时

  • 引用计数机制的缺点：

    • 维护引用计数消耗资源

    • 循环引用

    list1 = []
list2 = []
list1.append(list2)
list2.append(list1)

    list1与list2相互引用，如果不存在其他对象对它们的引用，list1与list2的引用计数也仍然为1，所占用的内存永远无法被回收，这将是致命的。对于如今的强大硬件，缺点1尚可接受，但是循环引用导致内存泄露，注定python还将引入新的回收机制。(分代收集)

    GC系统所承担的工作远比”垃圾回收”多得多。实际上，它们负责三个重要任务：

    • 为新生成的对象分配内存
    • 识别哪些垃圾对象
    • 从垃圾对象那回收内存

5、垃圾回收机制

  • 1、导致引用计数+1的情况

    • 对象被创建，如：a = 10
    • 对象被引用，如：b = a
    • 对象被作为参数，传递到一个函数中，如：func(a)
    • 对象作为一个元素，存储在容器中，如：list = [a, a]

  • 2、导致引用计数-1的情况：

    • 对象的别名被显示销毁，如：del a
    • 对象的别名被赋予新的对象，如：a = 20
    • 一个对象离开他的作用域， 如函数f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、查看一个对象的引用计数

    import sys
a = "hello world"
sys.getrefcount(a)

    可以查看a对象的应用计数，但是比正常计数大1，因为在调用函数的时候传入a，这会让a的引用计数+1

6、循环引用导致内存泄露

​ 内存泄露：

​ 申请了某些内存，但是忘记了释放，那么这就造成了内存的浪费，久而久之内存就不够用了.

import gc

class ClassA():
    def __init__(self):
        print('object born,id:%s'%str(id(self)))

def f2():
    while True:
        c1 = ClassA()
        c2 = ClassA()
        c1.t = c2
        c2.t = c1
        del c1
        del c2

#python默认是开启垃圾回收的，可以通过下面代码来将其关闭
gc.disable()

f2()

​ 执行f2()，进程占用的内存会不断增大。

  • 创建了c1，c2后这两块内存的引用计数都是1，执行c1.t=c2和c2.t=c1后，这两块内存的引用计数变成2.
  • 在del c1后，引用计数变为1，由于不是为0，所以c1对象不会被销毁;同理，c2对象的引用数也是1。
  • python默认是开启垃圾回收功能的，但是由于以上程序已经将其关闭，因此导致垃圾回收器都不会回收它们，所以就会导致内存泄露。

7、垃圾回收

class ClassA():
    def __init__(self):
        print('object born,id:%s'%str(id(self)))

def f2():
    while True:
        c1 = ClassA()
        c2 = ClassA()
        c1.t = c2
        c2.t = c1
        del c1
        del c2
        gc.collect()#手动调用垃圾回收功能，这样在自动垃圾回收被关闭的情况下，也会进行回收

#python默认是开启垃圾回收的，可以通过下面代码来将其关闭
gc.disable()

f2()

​ 有三种情况会触发垃圾回收

  • 当gc模块的计数器达到阀值的时候，自动回收垃圾
  • 调用gc.collect()，手动回收垃圾
  • 程序退出的时候，python解释器来回收垃圾

8、gc模块的自动垃圾回收触发机制

在Python中，采用分代收集的方法。把对象分为三代，一开始，对象在创建的时候，放在一代中，如果在一次一代的垃圾检查中，改对象存活下来，就会被放到二代中，同理在一次二代的垃圾检查中，该对象存活下来，就会被放到三代中。

gc模块里面会有一个长度为3的列表的计数器，可以通过gc.get_count()获取。

例如(488,3,0)，其中488是指距离上一次一代垃圾检查，Python分配内存的数目减去释放内存的数目，注意是内存分配，而不是引用计数的增加。例如：

print gc.get_count() # (590, 8, 0)
a = ClassA()
print gc.get_count() # (591, 8, 0)
del a
print gc.get_count() # (590, 8, 0)

3是指距离上一次二代垃圾检查，一代垃圾检查的次数，同理，0是指距离上一次三代垃圾检查，二代垃圾检查的次数。

gc模快有一个自动垃圾回收的阀值，即通过gc.get_threshold函数获取到的长度为3的元组，例如(700,10,10)，每一次计数器的增加，gc模块就会检查增加后的计数是否达到阀值的数目，如果是，就会执行对应的代数的垃圾检查，然后重置计数器。

例如，假设阀值是(700,10,10)：

当计数器从(699,3,0)增加到(700,3,0)，gc模块就会执行gc.collect(0),即检查一代对象的垃圾，并重置计数器为(0,4,0)
当计数器从(699,9,0)增加到(700,9,0)，gc模块就会执行gc.collect(1),即检查一、二代对象的垃圾，并重置计数器为(0,0,1)
当计数器从(699,9,9)增加到(700,9,9)，gc模块就会执行gc.collect(2),即检查一、二、三代对象的垃圾，并重置计数器为(0,0,0)

Search

    Table of Contents