python之垃圾回收机制

垃圾回收机制garbage collection

知识储备

我们在创建变量的时候，会申请内存空间，将变量内存地址和变量的值存储进去，在存储的时候，内存分为堆区和栈区，堆区存储变量的值，栈区存储的是变量名和变量值的内存地址
由于内存是有限的，所以应该定时对内存进行清理，将一些“垃圾及时的清理掉”

垃圾

上面我们理解了堆区和栈区，堆区的一个数据没有变量指向它的时候，我们就无法访问到他了，他也就变成了一个“垃圾”，我们应该将这些“垃圾”及时的清除掉，腾出空间

引用计数

垃圾回收机制的第一个方法是引用计数，对于堆区的数据，当其被引用一次，其身上的引用计数就增加1，比如说a=1，此时1这个数据的引用计数就是，当b=a=1时，1这个数据的引用计数就变成了2，当对堆区的一个数据的引用计数为0的时候（del a可以清除引用，使引用计数减一），该数据就会被清除，其占用的内存空间就会被收回

标记清除

# 循环引用
l1=[1]
l2=[2]
l1.append(l2)
l2.append(l1)
# 会产生下面的后果

当我们将直接引用删除的时候，列表1和列表2的引用计数并不为0，但是实际上我们是无法从外部访问到他们的，也即是说，实际上他们也变成了垃圾，这时就需要标记清除
标记
标记的过程就是遍历所有的GC Roots对象(栈区中的所有内容或者线程都可以作为GC Roots对象），然后将所有GC Roots的对象可以直接或间接访问到的对象标记为存活的对象，其余的均为非存活对象，应该被清除
简单的说就是遍历所有的堆区中的内容，将那些没办法从栈区访问到的数据标记为非存活对象
清除
清除的过程将遍历堆中所有的对象，将没有标记存活的对象全部清除掉

分代回收

在标记的过程中，要历经多次扫描，这时，gc机制会认为多次扫描都没有被回收的变量是常用变量，根据变量的存活时间将变量进行分代
新定义的变量，放到新生代这个等级中，假设每隔1分钟扫描新生代一次，如果发现变量依然被引用，那么该对象的权重加1，当变量的权重大于某个设定值，会将它移动到更高一级的青春代，青春代的gc扫描的频率低于新生代（扫描时间间隔更长），假设5分钟扫描青春代一次，这样每次gc需要扫描的变量的总个数就变少了，节省了扫描的总时间，接下来，青春代中的对象，也会以同样的方式被移动到老年代中。也就是等级（代）越高，被垃圾回收机制扫描的频率越低
实际上分代回收提高的是回收机制的效率，是典型的空间换时间
缺点：
如果一个变量刚刚从新生代移入青春代，该变量的绑定关系就解除了，该变量应该被回收，但青春代的扫描频率低于新生代，所以该变量的回收就会被延迟，他还会占用内存很长时间