Python Study （06）内存管理GC-CSDN博客

对象在内存的存储，我们可以求助于Python的内置函数id()。它用于返回对象的身份(identity)。其实，这里所谓的身份，就是该对象的内存地址。

a = 1
print(id(a)) #11246696内存地址的十进制
print(hex(id(a))) #'0xab9c68'十六进制

在Python中，整数和短小的字符，Python都会缓存这些对象，也就是有个对象缓存池，以便重复使用和减少频繁申请和回收内存的开销。
当我们创建多个等于1的引用时，实际上是让所有这些引用指向同一个对象。

a = 1
b = 1

print(id(a)) #11246696
print(id(b)) #11246696

可见a和b实际上是指向同一个对象的两个引用。

检验两个引用指向同一个对象，我们可以用is关键字。is用于判断两个引用所指的对象是否相同。
复制代码

# True
a = 1
b = 1
print(a is b)

# False
a = 257
b = 257
print(a is b) #因为int缓存的范围是[-5,256)

# True
a = "good"
b = "good"
print(a is b)

# False
a = "very good morning"
b = "very good morning"
print(a is b)

# False
a = []
b = []
print(a is b)

可以看到，由于Python缓存了整数和短字符串，因此每个对象只存有一份。
比如，所有整数1的引用都指向同一对象。即使使用赋值语句，也只是创造了新的引用，而不是对象本身。长的字符串和其它对象可以有多个相同的对象，可以使用赋值语句创建出新的对象。

引用计数

在Python中，每个对象都有存有指向该对象的引用总数，即引用计数(reference count)。

我们可以使用sys包中的getrefcount()，来查看某个对象的引用计数。需要注意的是，当使用某个引用作为参数，传递给getrefcount()时，参数实际上创建了一个临时的引用。因此，getrefcount()所得到的结果，会比期望的多1。由于上述原因，两个getrefcount将返回2和3，而不是期望的1和2。

from sys import getrefcount

a = [1, 2, 3]
print(getrefcount(a))

b = a
print(getrefcount(b))

垃圾回收

垃圾回收时，Python不能进行其它的任务。频繁的垃圾回收将大大降低Python的工作效率。如果内存中的对象不多，就没有必要总启动垃圾回收。所以，Python只会在特定条件下，自动启动垃圾回收。当Python运行时，会记录其中分配对象(object allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。

我们可以通过gc模块的get_threshold()方法，查看该阈值:

import gc
print(gc.get_threshold())

返回(700, 10, 10)，后面的两个10是与分代回收相关的阈值，后面可以看到。700即是垃圾回收启动的阈值。可以通过gc中的set_threshold()方法重新设置。

我们也可以手动启动垃圾回收，即使用gc.collect()。