python垃圾回收

最新推荐文章于 2024-08-22 08:06:16 发布

安澜仙王

最新推荐文章于 2024-08-22 08:06:16 发布

阅读量173

点赞数

分类专栏： Python即将删除

原文链接：https://mp.weixin.qq.com/s/ri6U-EUDLPYqXy-dmo_RZQ

版权

Python即将删除专栏收录该内容

61 篇文章 4 订阅

订阅专栏

https://mp.weixin.qq.com/s/ri6U-EUDLPYqXy-dmo_RZQ

前言

对于python来说，一切皆为对象，所有的变量赋值都遵循着对象引用机制。程序在运行的时候，需要在内存中开辟出一块空间，用于存放运行时产生的临时变量；计算完成后，再将结果输出到永久性存储器中。如果数据量过大，内存空间管理不善就很容易出现 OOM（out of memory），俗称爆内存，程序可能被操作系统中止。

而对于服务器，内存管理则显得更为重要，不然很容易引发内存泄漏 - 这里的泄漏，并不是说你的内存出现了信息安全问题，被恶意程序利用了，而是指程序本身没有设计好，导致程序未能释放已不再使用的内存。- 内存泄漏也不是指你的内存在物理上消失了，而是意味着代码在分配了某段内存后，因为设计错误，失去了对这段内存的控制，从而造成了内存的浪费。也就是这块内存脱离了gc的控制

计数引用

因为python中一切皆为对象，你所看到的一切变量，本质上都是对象的一个指针。

当一个对象不再调用的时候，也就是当这个对象的引用计数（指针数）为 0 的时候，说明这个对象永不可达，自然它也就成为了垃圾，需要被回收。可以简单的理解为没有任何变量再指向它。

import os
import psutil


# 显示当前python程序占用的内存大小
def show_memory_info(hint):
    pid = os.getpid()
    p = psutil.Process(pid)

    info = p.memory_full_info()
    memory = info.uss / 1024. / 1024
    print(f"{hint} memory used：{memory} MB")


def func():
    show_memory_info('initial')
    a = [i for i in range(10000000)]
    show_memory_info('after a created')


func()
show_memory_info('finished')
#################### 输出 ################
"""
initial memory used：47.19140625 MB
after a created memory used:433.91015625 MB
finished memory used:48.109375 MB
"""

可以看到调用函数 func()，在列表 a 被创建之后，内存占用迅速增加到了 433 MB：而在函数调用结束后，内存则返回正常。这是因为，函数内部声明的列表 a 是局部变量，在函数返回后，局部变量的引用会注销掉；此时，列表 a 所指代对象的引用数为 0，Python 便会执行垃圾回收，因此之前占用的大量内存就又回来了。

def func():
  show_memory_info('initial')
  global a 
  a = [i for i in range(10000000)]
  show_memory_info('after a created')
func()
show_memory_info('finished')
#################### 输出 ################
"""
initial memory used：48.88671875 MB
after a created memory used:433.94921875 MB
finished memory used:433.94921875 MB
"""

新的这段代码中，global a 表示将 a 声明为全局变量。那么，即使函数返回后，列表的引用依然存在，于是对象就不会被垃圾回收掉，依然占用大量内存。同样，如果我们把生成的列表返回，然后在主程序中接收，那么引用依然存在，垃圾回收就不会被触发，大量内存仍然被占用着：

def func():
  show_memory_info('initial')
  a = [i for i in range(10000000)]
  show_memory_info('after a created')
  return a 

a = func()
show_memory_info('finished')
#################### 输出 ################
"""
initial memory used：47.96484375 MB
after a created memory used:434.515625 MB
finished memory used:434.515625 MB
"""

那怎么可以看到变量被引用了多少次呢？通过sys.getrefcount

import sys

a = []

# 两次引用，一次来自a,一次来自 getrefcount
print(sys.getrefcount(a))


def func(a):
    # 四次引用，a,python 的函数调用栈，函数参数 和getrefcount
    print(sys.getrefcount(a))


func(a)
# 两次引用，一次来自a，一次来自getrefcount，函数func调用已经不存在
print(sys.getrefcount(a))

################### 输出 ###############
"""
2
4
2
"""

如果其中涉及函数调用，会额外增加两次 1. 函数栈 2. 函数调用

从这里就可以看到python不再需要像C那种的认为的释放内存，但是python同样给我们提供了手动释放内存的方法gc.collect()

import gc

show_memory_info('initial')
a = [i for i in range(10000000)]
show_memory_info('after a created')

del a
gc.collect()
show_memory_info('finished')
print(a)

在这里插入图片描述

截止目前，貌似python的垃圾回收机制非常的简单，只要对象引用次数为0，必定为触发gc，那么引用次数为0是否是触发gc的充要条件呢？

循环回收

如果有两个对象，它们互相引用，并且不再被别的对象所引用，那么它们应该被垃圾回收吗？

def func():
  show_memory_info('initial')
  a = [i for i in range(10000000)]
  b = [i for i in range(10000000)]
  show_memory_info('after a created')
  a.append(b)
  b.append(a)

func()
show_memory_info('finished')
#################### 输出 ################
"""
initial memory used：47.96484375 MB
after a created memory used:434.515625 MB
finished memory used:821.73046875 MB
"""

从结果显而易见，它们并没有被回收，但是从程序上来看，当这个函数结束的时候，作为局部变量的a，b就已经从程序意义上不存在了。但是因为它们的互相引用，导致了它们的引用数都不为0。

这时要如何规避呢 1. 从代码逻辑上进行整改，避免这种循环引用 2. 通过人工回收

import gc
def func():
  show_memory_info('initial')
  a = [i for i in range(10000000)]
  b = [i for i in range(10000000)]
  show_memory_info('after a created')
  a.append(b)
  b.append(a)

func()
gc.collect()
show_memory_info('finished')
#################### 输出 ################
"""
initial memory used：47.96484375 MB
after a created memory used:821.73046875 MB
finished memory used: 47.96484375MB
"""

python针对循环引用，有它的自动垃圾回收算法 1. 标记清除（mark-sweep）算法 2. 分代收集（generational）

标记清除

标记清除的步骤总结为如下步骤 1. GC会把所有的『活动对象』打上标记 2. 把那些没有标记的对象『非活动对象』进行回收

那么python如何判断何为非活动对象？

通过用图论来理解不可达的概念。对于一个有向图，如果从一个节点出发进行遍历，并标记其经过的所有节点；那么，在遍历结束后，所有没有被标记的节点，我们就称之为不可达节点。显而易见，这些节点的存在是没有任何意义的，自然的，我们就需要对它们进行垃圾回收。

但是每次都遍历全图，对于 Python 而言是一种巨大的性能浪费。所以，在 Python 的垃圾回收实现中，mark-sweep 使用双向链表维护了一个数据结构，并且只考虑容器类的对象（只有容器类对象，list、dict、tuple，instance，才有可能产生循环引用）。
在这里插入图片描述
图中把小黑圈视为全局变量，也就是把它作为root object，从小黑圈出发，对象1可直达，那么它将被标记，对象2、3可间接到达也会被标记，而4和5不可达，那么1、2、3就是活动对象，4和5是非活动对象会被GC回收。

分代回收

分代回收是一种以空间换时间的操作方式，Python将内存根据对象的存活时间划分为不同的集合，每个集合称为一个代，Python将内存分为了3“代”，分别为年轻代（第0代）、中年代（第1代）、老年代（第2代），他们对应的是3个链表，它们的垃圾收集频率与对象的存活时间的增大而减小。新创建的对象都会分配在年轻代，年轻代链表的总数达到上限时（当垃圾回收器中新增对象减去删除对象达到相应的阈值时），Python垃圾收集机制就会被触发，把那些可以被回收的对象回收掉，而那些不会回收的对象就会被移到中年代去，依此类推，老年代中的对象是存活时间最久的对象，甚至是存活于整个系统的生命周期内。同时，分代回收是建立在标记清除技术基础之上。

事实上，分代回收基于的思想是，新生的对象更有可能被垃圾回收，而存活更久的对象也有更高的概率继续存活。因此，通过这种做法，可以节约不少计算量，从而提高 Python 的性能。

所以对于刚刚的问题，引用计数只是触发gc的一个充分非必要条件，循环引用同样也会触发。