【内存泄漏】- 4. 使用python的gc+pyrasite模块检测python内存泄漏

Python内存泄漏测试

1、 Python内存泄漏处理机制

       为了解决内存泄漏的问题，Python2.0的版本开始引入“引用计数”，并基于引用计数实现了自动垃圾收集，后来为了解决循环引用导致内存泄漏的问题，又引入“标记-清除”、“分代回收”机制。

        Python的垃圾收集器可以让python程序良好运行，但仍有其他原因可能造成python内存泄漏的情况，比如为了提高效率，垃圾收集器被开发人员关闭等情况。

        python提供了扩展模块gc，该模块提供了对该垃圾收集器的操作接口，通过该模块，可以查看收集器状态，调节收集频率，设置一些调试选项，收集垃圾对象，查看垃圾对象详细信息等。

 

2、Python垃圾回收原理

        Python解析器中垃圾回收机制主要由以下三种：

2.1 引用计数

在Python中，如果一个对象的引用数为0，Python就会尝试回收这个对象的内存这使得python垃圾回收具有较高的实时性。可通过sys.getrefcount（object）查看对象引用次数。

导致对象引用计数增加的情况分为以下几种情况：

1. 象被创建，例如a=23
2. 对象被引用，例如b=a
3. 对象被作为参数，传入到一个函数中，例如func(a)
4. 对象作为一个元素，存储在容器中，例如list1=[a,a]

导致对象引用计数减少有如下几种情况：

1. 对象的别名被显式销毁，例如：del a
2. 对象的别名被赋予新的对象，例：a=24
3. 一个对象离开它的作用域，

例如func函数执行完毕时，func函数中定义的局部变量,

对象所在的容器被销毁，或从容器中删除对象

示例：

Global_list = ["hello","candy"]

def test():
    temp_list = ["hello","kun"]
    Global_list.append(temp_list)

if __name__ == '__main__':

    test()
    print gc.collect()                 #打印0
    object_nums = len(gc.get_objects())
    object_list = gc.get_objects()   #获取所有被收集到的垃圾对象

    f = open('/root/log', 'w')
    i = 0

    while True:
        f.write(str(object_list[i]))    #保存垃圾对象信息到log
        i = i + 1