Python引入了一个机制:
引用计数:
Python内部使用引用计数,来保持追踪内存中的对象,Python内部记录了对象有多少个引用,就是引用计数,当对象被创建时就创建了一个引用计数,当对象不再需要的时候,这个对象的引用计数为0时,他被垃圾回收。
什么情况下引用计数增加?
: 对象被创建
被作为参数传递给函数
作为容器对象的一个元素
什么情况下引用计数减少?
: 一个本地引用离开他的作用域
对象的别名被显式的销毁
对象的一个别名被赋值给其他对象
窗口对象本身被销毁
垃圾回收:
Python不像c++和java语言一样,他们可以不用事先声明变量类型而直接对变量进行赋值,对Python语言来讲,对象的类型和内存都是在运行时确定的。
当内存中有不再使用的部分时,垃圾收集器就会把他们清理掉。他会去检查那些引用计数为0的对象,然后清除其在内存中的空间。当然除了引用计数为0的会被清除,还有一种情况也会被垃圾收集器清掉,当两个对象相互引用时,他们本身其他引用已经为0了。
垃圾回收机制还有一个循环垃圾回收器,确保释放循环饮用对象。
在Python中,许多时候申请的内存都是小块的内存,这些小块内存在申请后,很快又会被释放,由于这些内存的申请号并不是为了创建对象,所以并没有对象一级的内存池机制,这就意味着Python在运行期间会大量的执行malloc和free操作,频繁的在用户和核心态之间进行切换,这将严重影响Python的执行效率,为了加速Python的执行效率,Python引入了一个内存池机制,用于管理对小块内存的申请和释放。
内存池机制:
Python提供了对内存的垃圾收集机制,但是他将不用的内存放到内存池而不是反回给操作系统。
Python中所有小于256个字节的对象都是用pymalloc实现的分配器,而大的对象则使用系统的malloc,另外Python对象比如整数浮点数和list都有独立的私有内存池,对象间不共享他们的内存池,也就是说你分配又释放了大量的整数,用于缓存这些整数的内存就不能再分配给浮点数。