python垃圾回收引用计数（17）

吃太多，总会变胖，Python也是这样。**当Python中的对象越来越多，它们将占据越来越大 的内存。不过你不用太担心Python的体形，它会乖巧的在适当的时候“减肥”，启动垃圾回 收(garbage collection)，将没用的对象清除。**在许多语言中都有垃圾回收机制，比如Java和 Ruby。

1.垃圾回收

从基本原理上，当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象， 该对象就成为要被回收的垃圾了。比如某个新建对象，它被分配给某个引用，对象的引用计 数变为1。如果引用被删除，对象的引用计数为2，那么该对象就可以被垃圾回收。
比如下面的表: del a后，已经没有任何引用指向之前建立的[1, 2, 3]这个表。用户不可能通过任何方式接触 或者动用这个对象。这个对象如果继续待在内存里，就成了不健康的脂肪。当垃圾回收启动 时，Python扫描到这个引用计数为0的对象，就将它所占据的内存清空。 然而，减肥是个昂贵而费力的事情。
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()。

2.分代回收

Python同时采用了分代(generation)回收的策略。**这一策略的基本假设是，存活时间越久的 对象，越不可能在后面的程序中变成垃圾。**我们的程序往往会产生大量的对象，许多对象很快产生和消失，但也有一些对象长期被使用。出于信任和效率，对于这样一些“长寿”对象， 我们相信它们的用处，所以减少在垃圾回收中扫描它们的频率。

Python将所有的对象分为0，1，2三代。所有的新建对象都是0代对象。当某一代对象经历 过垃圾回收，依然存活，那么它就被归入下一代对象。垃圾回收启动时，一定会扫描所有的 0代对象。如果0代经过一定次数垃圾回收，那么就启动对0代和1代的扫描清理。当1代也经 历了一定次数的垃圾回收后，那么会启动对0，1，2，即对所有对象进行扫描。
这两个次数即上面get_threshold()返回的(700, 10, 10)返回的两个10。也就是说，每10次0 代垃圾回收，会配合1次1代的垃圾回收；而每10次1代的垃圾回收，才会有1次的2代垃圾回收。
同样可以用get_threshold()来调整，比如对2代对象进行更频繁的扫描。

import gc 
gc.set_threshold(700, 10, 5) 

3.孤立的引用环

引用环的存在会给上面的垃圾回收机制带来很大的困难。这些引用环可能构成无法使用，但 引用计数不为0的一些对象。

a = [] 
b = [a] 
a.append(b)
del a 
del b 
上面我

们先创建了两个表对象，并引用对方，构成一个引用环。删除了a，b引用之后，这两 个对象不可能再从程序中调用，就没有什么用处了。但是由于引用环的存在，这两个对象的引用计数都没有降到0，不会被垃圾回收。
为了回收这样的引用环，Python复制每个对象的引用计数，可以记为gc_ref。假设，每个对 象i，该计数为gc_ref_i。Python会遍历所有的对象i。对于每个对象i引用的对象j，将相应的 gc_ref_j减1。
遍历后的结果
在结束遍历后，gc_ref不为0的对象，和这些对象引用的对象，以及继续更下游引用的对 象，需要被保留。而其它的对象则被垃圾回收。

总结：

Python作为一种动态类型的语言，其对象和引用分离。这与曾经的面向过程语言有很大的区别。为了有效的释放内存，Python内置了垃圾回收的支持。Python采取了一种相对简单的垃圾回收机制，即引用计数，并因此需要解决孤立引用环的问题。
Python与其它语言既有共通性，又有特别的地方。对该内存管理机制的理解，是提高Python性能的重要一步。