Python面试题思考-3

Python的垃圾回收机制

• 引用计数
  简单来说，为每个对象维护一个ob_ref字段，使其记录该对象当前被引用的次数，有了新的引用指向该对象时，引用计数+1，若有引用失效时，引用次数-1，待对象的引用次数为0时，该对象被回收。
  缺点主要有二：
  1、需要占用额外的内存空间存储该字段；
  2、若出现“循环引用”，则会造成内存泄漏（为解决该问题，引入”标记-清除“&”分代回收“）；

• 标记-清除
  这是一种基于追踪回收的的算法，主要分为两个阶段：

  1、将所有活动对象全部做好标记；
  2、将没有标记的对象作为”非活动对象“进行回收；

  对象通过引用链接在一起，构成一个有向图，对象为其中的节点，引用关系为其中的边，从根对象（全局变量、调用栈、寄存器）开始遍历该有向图，可达到的对象标记为活动对象，不可到达的对象标记为非活动对象。
  缺点：
  在每次清除对象前都需要扫描整个内存

• 分代回收
  是一种以空间换时间的方式，在Python中将内存根据对象的存活时间划分为3个不同的集合（代），为年轻代（第0代）、中年代（第1代）、老年代（第2代），分别对应三个链表，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，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。分代回收同样作为Python的辅助垃圾收集技术处理那些容器对象。

Python中的垃圾回收机制

魔法方法

• __call__:
  __call__函数的作用就是使得定义的类可以像函数形式一样被调用(可调用对象)，具体请见下例：
  比如我定义了一个类A，其中定义了四个函数，__init__, hmh, cs, __call__。实现功能均不相同，然后将类A实例化为a，如果使用a(参数)的形式调用，那默认就是实现了__call__函数中的功能，如果我想实现hmh和cs的功能，就还是要用a.hmh()和a.cs()这样传统的调用形式。

   class A(object):
   def __init__(self):
       pass
   
   def __call__(self, *args, **kwargs):
       print(*args)
   
   def hmh(self):
       print("hmh")
   
   def cs(self):
       print("cs")
   
   a = A()
   a(12345)
   a.hmh()
>>>12345
>>>hmh

• __new__:
  该方法需要接收一个类作为参数（此参数在实例化的时候由python解释器自动提供），从而产生一个实例，创建实例的，也就是说它起到的是构造类实例的作用。而__init__是在构造了实例后，对实例进行初始化的魔法方法。
• __del__:
  起到析构的作用，用以销毁对象，但是一般情况下，python的内存机制可以很好的胜任销毁对象的工作，也可以手动使用__del__来进行这项工作。

元类

在python中一个重要的概念就是一切皆对象，也经常使用实例化的方法将定义的类变为一个个的实例，而元类就是构造类的方法，元类->类->实例。
什么是Python元类
两句话轻松掌握 python 最难知识点——元类

猴子补丁

猴子补丁（monkey patch），主要功能是动态的属性的替换，也就是在python代码运行时动态的改变方法、类的方法。但是补丁的存在可能会使得代码逻辑变得混乱。
详见：python面试题精讲——monkey patch（猴子补丁）

反射机制

有时我们需要访问对象中的某个变量、执行对象中的某个方法，但是我们可能不知道这个变量或者方法是否存在，所以需要一个机制可以让我们对未知的变量或方法进行了解或操作，这种机制就称之为反射，其中有几个方法：

• hasattr:hasattr(object, name)
  判断对象中是否存在某变量或方法。

   class Hello(object):
       name = "hmh"
   
       def say_hello(self, sentence):
           print("Hello, %s" % self.name)

   hello = Hello()
   print(hasattr(hello, "name"))
   >>>
   True

• getattr:getattr(object, name, [, default])
  获取对象中变量或方法,其中default是返回默认值，缺省如没有对应属性，会触发异常AttributeError。

   class Hello(object):
       name = "hmh"
   
       def say_hello(self, sentence):
           print("Hello, %s" % self.name)

   hello = Hello()
   print(getattr(hello, "name"))
   >>>
   hmh

• setattr:set(object, name, value)
  用于设置属性值，该属性不一定存在。

   class HMH(object):
       name = "hmh"
   
   
   hmh = HMH()
   setattr(hmh, "age", 23)
   
   print(hmh.age)
   >>>
   23

当然在很多场景下也是配合getattr使用。

   class HMH(object):
       name = "hmh"
   
   
   hmh = HMH()
   print(getattr(hmh, "name"))
   setattr(hmh, "name", "pluto")
   
   print(hmh.name)
   >>>
   hmh
   pluto 
   ```

* `delattr`：`delattr(object, name)`
  用于删除属性。
  
```python
   class HMH(object):
       name = "hmh"
       age = 23
   
   
   hmh = HMH()
   print(getattr(hmh, "name"))
   delattr(hmh, "name")
   
   print(hmh.name)
   >>>
   hmh
 File "/Users/houminghui/PycharmProjects/test_tensorflow/l_test.py", line 256, in <module>
   delattr(hmh, "name")
AttributeError: name