python的引用计数

开始学习python,再看到python学习手册第六章时,提到一个函数,getrefcount,这个监控对象的引用计数.于是写了一个列表测试,发现在3.0版本以上.列表的开始计数为2,不是很明白,于是在网上找到这篇文章进行分析.

原文地址为:

http://blog.csdn.net/balabalamerobert/article/details/1649490

-----------------------------------------------------------------------------------------------------------------------

问题缘起于python-cn邮件列表的一个问题：http://groups.google.it/group/python-cn/browse_thread/thread/758891b4342eb2d9/92c12bf6acd667ac

有趣的是，为什么在Python2.4中sys.getrefcount(11111111)的结果是2，到了Python2.5中却摇身一变，变成了 3？更令人惊奇的是，如果你在Python2.5的IDLE中运行sys.getrefcount（111111），你会惊奇地发现，好了，现在的结果又 变成2了。我们知道sys.getrefcount输出的是一个对象的引用计数，为什么相同的代码，相同的对象，在不同的运行环境中的引用计数却不同了？ 原因是，我们有一个致命的疏漏。

在考察sys.getrefcount时，我们只看到了它的运行结果，但是实际上在运行的背后还有一个更加重要的幕后推手——编译。为了确认编译是否对对象的引用计数产生影响，我们来考察几个例子：

1、交互式环境下： 
Python 2.5 (r25:51908, May 27 2007, 09:33:26) [MSC v.1310 32 bit (Inte 
32 
Type "help", "copyright", "credits" or "license" for more information. 

>>> import sys 
>>> sys.getrefcount(11111111) 
3 

2、文件方式执行 ：
[ref.py] 
import sys 
print sys.getrefcount(11111111) 
结果如下： 
F:/compile/Python-2.5/PCbuild>python ref.py 
3 

3、文件方式执行（避开编译影响） 
[demo.py] 
import ref 
结果如下： 
F:/compile/Python-2.5/PCbuild>python demo.py 
2 

由此可见，实际上多余的引用是由Python的编译过程贡献的，在1、2两种执行方式下，Python都会在开始时激活一个编译的动作；而在执行方式3下，import机制会导致产生一个ref.pyc文件，所以不会在每次执行时都会激活编译动作。

但是，但是，我们看到在Python2.5的交互式环境中和IDLE环境中，都需要进行编译，而输出的结果却不同，这又是什么原因呢？嗯，这就需要从Python的源码中找原因了。我们先来看看sys.getrefcount到底输出了个什么玩意儿：
[sysmodule.c]

static  PyObject  *
sys_getrefcount(PyObject  * self, PyObject  * arg)
{
    if(arg != NULL && PyInt_Check(arg)) {
        if(PyInt_AsLong(arg) == 11111111) {
            printf("in sys_getrefcount ");
        }
    }
    return PyInt_FromSsize_t(arg->ob_refcnt);
}

原来输出的东西就是PyObject中的ob_refcnt值，为了真正搞清楚引用计数的变化情况，我们就来修改Python源代码，对每一次引用计数的变化进行监控，这需要修改到Python中用于改变引用计数的两个宏：
[object.h]

#define Py_INCREF(op) (                
    robertincref((PyObject * )(op)) ,    
    (op) -> ob_refcnt ++ )

#define Py_DECREF(op)                    
     if  (robertdecref((PyObject * )(op)) ,    
     -- (op) -> ob_refcnt  !=   0 )            
    _Py_CHECK_REFCNT(op)            
     else                         
    _Py_Dealloc((PyObject  * )(op))

[object.c]

void  robertincref(PyObject *  obj)  {
    if(PyInt_Check(obj) && (PyInt_AsLong(obj) == 11111111)) {
        long refcnt = obj->ob_refcnt;
        printf("increase ref count from %d to %d ", refcnt, refcnt+1);
    }
}

void  robertdecref(PyObject *  obj)  {
    if(PyInt_Check(obj) && (PyInt_AsLong(obj) == 11111111)) {
        long refcnt = obj->ob_refcnt;
        printf("decrease ref count from %d to %d ", refcnt, refcnt-1);
    }
}

同时我们还在pyc文件的读入点r_object中，整数对象的创建点PyInt_FromLong中，引用计数获得点sys_getrefcount中添加对11111111的监控代码，最后的输出结果如下：

执行方式2（Python2.5交互式环境）：
create 11111111 in PyInt_FromLong! 
increase ref count from 1 to 2   //监视Py_INCREF的结果 
decrease ref count from 2 to 1  //监视Py_INCREF的结果 
increase ref count from 1 to 2 
increase ref count from 2 to 3 
increase ref count from 3 to 4 
decrease ref count from 4 to 3 
increase ref count from 3 to 4 
decrease ref count from 4 to 3 
decrease ref count from 3 to 2 
LOAD_CONST for 11111111 
increase ref count from 2 to 3 
in sys_getrefcount //这一行显示Python虚拟机目前在sys_getrefcount函数中 
decrease ref count from 3 to 2 
3  //这个是输出的结果 
decrease ref count from 2 to 1 
decrease ref count from 1 to 0 

执行方式3（加载pyc文件）：
read 11111111 in r_object 
create 11111111 in PyInt_FromLong! 
LOAD_CONST for 11111111 
increase ref count from 1 to 2 
in sys_getrefcount 
decrease ref count from 2 to 1 
2 
decrease ref count from 1 to 0 

其中的LOAD_CONST是Python中的一个字节码，是sys.getrefcount编译后的结果，我们在字节码指令的实现代码中也添加了监控代码。

执行方式2的编译过程会频繁地对整数对象进行引用计数的调整；而执行方式3的动作序列则很清晰： 
1、Python虚拟机通过r_object函数从pyc文件中读入整数11111111，这会激活PyInt_FromLong，这里创建整数对象，并将ob_refcnt设置为1 

2、ref.py中的print sys.getrefcount (11111111)最终编译得到的字节码指令中有LOAD_CONST，这条字节码指令会通过Py_INCREF增加整数对象的引用计数，这时为2

在执行方式2代表的交互式环境中，编译过程对对象的引用计数产生了巨大的影响，而在IDLE中，这种影响更为频繁，我们看一下IDLE方式执行时的输出结果：
create 11111111 in PyInt_FromLong!
increase ref count from 1 to 2
decrease ref count from 2 to 1
increase ref count from 1 to 2
increase ref count from 2 to 3
increase ref count from 3 to 4
decrease ref count from 4 to 3
increase ref count from 3 to 4
decrease ref count from 4 to 3
decrease ref count from 3 to 2
decrease ref count from 2 to 1
create 11111111 in PyInt_FromLong!
increase ref count from 1 to 2
decrease ref count from 2 to 1
increase ref count from 1 to 2
increase ref count from 2 to 3
increase ref count from 3 to 4
decrease ref count from 4 to 3
increase ref count from 3 to 4
decrease ref count from 4 to 3
decrease ref count from 3 to 2
decrease ref count from 2 to 1
create 11111111 in PyInt_FromLong!
increase ref count from 1 to 2
decrease ref count from 2 to 1
increase ref count from 1 to 2
increase ref count from 2 to 3
increase ref count from 3 to 4
decrease ref count from 4 to 3
increase ref count from 3 to 4
decrease ref count from 4 to 3
decrease ref count from 3 to 2
decrease ref count from 2 to 1
decrease ref count from 1 to 0
decrease ref count from 1 to 0
read 11111111 in r_object
create 11111111 in PyInt_FromLong!
decrease ref count from 1 to 0
LOAD_CONST for 11111111
increase ref count from 1 to 2
in sys_getrefcount

decrease ref count from 2 to 1