python入门笔记——垃圾回收（引用计数、标记清除和分代回收）和python内存优化（大小整数池）

python入门笔记——垃圾回收（引用计数、标记清除和分代回收）

垃圾回收（GC）负责的主要任务
1.为新生成的对象分配内存
2.识别那些垃圾对象
3.从垃圾对象那回收内存

python是默认开启垃圾回收的，一般有三种情况会触发垃圾回收：
1.当gc模块的计数器达到阈值的时候，会自动回收垃圾
2.手动调用gc模块里的gc.collect()（记得import gc），会手动回收垃圾
3.程序退出的时候，python解释器回收垃圾

python采用的是引用计数机制为主
标记清除和分代收集两种机制为辅的机制

引用计数

引用计数是这样一种机制：
在python内部，每个对象有新的引用时，都会有一个自己单独的引用计数值
当引用它的对象被删除，这个值就会减少，最后当计数值变成0后，该对象的生命就结束了

我们可以总结一般导致计数+1和-1的情况

导致引用计数+1的情况：
1.对象被创建
2.对象被引用
3.对象作为参数被传入到一个函数中
4.对象作为元素被存储在容器中

导致引用计数-1的情况：
1.对象的别名被显式销毁
2.对象的别名被赋给了新的对象
3.一个对象离开了它的作用域（如一个函数执行完后，它里面的局部变量）
4.对象所存在的容器被销毁，或从容器中删除了对象

import sys
# sys模块中的sys.getrefcount函数能查看对象引用次数
a = []# 1次
print(sys.getrefcount(a))# 这里也引用了一次a，但是这里在引用后会给次数-1。同时打印对象引用次数
b = a# 1次
c = b# 1次
d = b# 1次
print(sys.getrefcount(a))# 这里打印出来的包括本次应是5次

输出结果：

2
5

我们可以看到，引用计数具有简单和实时性的优点
实时性在于：一旦没有引用，内存就直接释放了，不用等到什么特定时机
且回收内存的时间也分摊到了各个时间

但引用计数也有缺点，一在于维护引用计数会消耗资源
二在于一个致命的问题：可能存在循环引用，如两对象相互引用，哪怕不存在其他对象对它们的引用
它们的引用计数仍然为1，所占用的内存永远无法被回收
故需要引入新的回收机制来完善（标记清除和分代收集）

标记清除

标记清除是这样一种机制：
在触发某种情况后会触发一个扫描机制，扫描该链表中的每一个元素，并依次去检查每个元素的子元素、子子元素等等，相当于是将对象以引用指针连在一起形成一个有向图，扫描机制以有向图的有向边去遍历对象，当发现遍历到的某个对象是其本身时，即证明存在循环引用

接着将它们双方的引用计数器-1，如果此时引用计数器-1后的结果是0了，那么对其进行垃圾回收

当然，必须是将循环引用的双方都删除时，才能进行垃圾回收

分代回收

python的内部c代码将对象分为三代：0代、1代、2代
其中，新创建的对象会在0代

当0代中的对象数量达到某个设定的阈值后，就会对0代触发一次扫描机制，将其中的可以被回收的对象回收掉，循环引用的对象计数自减1（如果到0了将被垃圾回收掉），然后，将不会被回收的对象放到1代去
同样，当1代对象达到一定阈值（1代的值是记录0代扫描的次数），也会触发扫描机制，后将未被回收的对象升到2代
2代也有类似的扫描机制处理
通过此种方法，你的代码持续访问的活跃对象，会从0代逐渐转移到1代再到2代，通过设定的阈值，python可以在不同的时间间隔处理这些不同代的对象，而导致其中0代处理将最为频繁，然后是1代，最后是2代

python内存优化

小整数池和大整数对象池
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空间
python对小整数的定义是[-5,256]，这些整数对象是提前建立好的，不会被垃圾回收，我们只要拿来用就行了
大整数池是没有提前创建好的，需要自己创建
但创建好后，会把创建的整数对象保存在池子里，后面也不需要创建了，直接可以拿来使用
这里可以通过查看地址来更加了解

a = 1
b = 1
print(id(a))
print(id(b))
# 这里可以看到，a和b的地址是一样的，这说明它们只是使用了python提前创建好的1
# 只是指向了python初始化创建1的内存地址
# 当然这里你使用大整数也是类似的结果，因为第一次创建的时候就保存了大整数对象在池子里

输出结果：

140709064672944
140709064672944