面试官：听说你学Python？那你给我讲讲Python如何进行内存管理？

我：？？？内存管理不太清楚额。。。

面试官：那你知道Python垃圾回收吗？

我：(尴尬一下后，还好我看到过相关博客)Python垃圾回收引用计数为主、标记清除和分代回收为主。

面试官：那你仔细讲讲这三种垃圾回收技术？

我：卒。。。

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_python

先看看内存管理

内存的管理简单来说：分配(malloc)+回收(free)。

再我们看文章之前，先思考一下：如果是你设计，会怎么进行内存管理？答：好，不会设计(笔主也不会)，会的大佬请绕过。我们一起了解看看Python是怎么设计的。为了提高效率就是：

  • 如何高效分配？
  • 如何有效回收？

什么是内存

买电脑的配置“4G + 500G / 1T”，这里的4G就是指电脑的内存容量，而电脑的硬盘 500G / 1T。

内存(Memory，全名指内部存储器)，自然就会想到外存，他们都硬件设备。

内存是计算机中重要的部件之一，它是外存与CPU进行沟通的桥梁。计算机中所有程序的运行都是在内存中进行的，因此内存的性能对计算机的影响非常大。

内存就像一本空白的书

首先，您可以将计算机的存储空间比作一本空白的短篇小说。页面上还没有任何内容。最终，会有不同的作者出现。每个作者都需要一些空间来写他们的故事。

由于不允许彼此书写，因此必须注意他们能书写的页面。开始书写之前，请先咨询书籍管理员。然后，管理员决定允许他们在书中写什么。

如果这书已经存在很长时间了，因此其中的许多故事都不再适用。当没有人阅读或引用故事时，它们将被删除以为新故事腾出空间。

本质上，计算机内存就像一本空书。实际上，调用固定长度的连续内存页面块是很常见的，因此这种类比非常适用。

作者就像需要将数据存储在内存中的不同应用程序或进程。决定作者在书中书写位置的管理员就像是各种存储器管理的角色，删除旧故事为新故事腾出空间的人是垃圾收集者(garbage collector)。

以上类比出自​​此文​​

内存管理：从硬件到软件

为什么4G内存的电脑可以高效的分析上G的数据，而且程序可以一直跑下去。

在这4G内存的背后，Python都帮助我们做了什么？

内存管理是应用程序读取和写入数据的过程。内存管理器确定将应用程序数据放置在何处。

由于内存有限，类比书中的页面一样，管理员必须找到一些可用空间并将其提供给应用程序。提供内存的过程通常称为内存分配。

其实如果我们了解内存管理机制，以更快、更好的方式解决问题。

看完本篇文章，带您稍微了解Python内存管理的设计哲学。

对象管理

可能我们听过，Python鼎鼎有名的那句“一切皆对象”。是的，在Python中数字是对象，字符串是对象，任何事物都是对象，Cpython下，而Python对象实现的核心就是一个结构体--PyObject。

typedef struct_object{

　　int ob_refcnt;

　　struct_typeobject *ob_type;

}PyObject;

PyObject是每个对象必有的内容，可以说是Python中所有对象的祖父，仅包含两件事：

  • ob_refcnt：引用计数(reference count)
  • ob_type：指向另一种类型的指针(pointer to another type)

所以，所以CPython是用C编写的，它解释了Python字节码。这与内存管理有什么关系？

好吧，C中的CPython代码中存在内存管理算法和结构。要了解Python的内存管理，您必须对CPython本身有一个基本的了解。其他我们也不深究，感兴趣的同学自行了解。

CPython的内存管理

注：这一块内容在网上找了很多内容，看了好久也没懂，自己太菜。唯一看懂的就是 Alexander VanTol的​​文章​​相关部分内容，搬运过来哦放在此处，有删减，有兴趣的同学建议看原文。

下图的深灰色框现在归Python进程所有。

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_垃圾回收_02

Python将部分内存用于内部使用和非对象内存。另一部分专用于对象存储(您的int，dict等)。请注意，这已被简化。如果您需要全貌，则可以看CPython源代码，所有这些内存管理都在其中进行。

CPython有一个对象分配器，负责在对象内存区域内分配内存。这个对象分配器是大多数魔术发生的地方。每当新对象需要分配或删除空间时，都会调用该方法。

通常，为list和int等Python对象添加和删除数据一次不会涉及太多数据。因此，分配器的设计已调整为可以一次处理少量数据。它还尝试在绝对需要之前不分配内存。

现在，我们来看一下CPython的内存分配策略。首先，我们将讨论这三个主要部分以及它们之间的关系。

Python的内存分配器

内存结构

在Python中，当要分配内存空间时，不单纯使用 malloc/free，而是在其基础上堆放3个独立的分层，有效率地进行分配。

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_python_03

第 0 层往下是 OS 的功能。第 -2 层是隐含和机器的物理性相关联的部分，OS 的虚拟内 存管理器负责这部分功能。第 -1 层是与机器实际进行交互的部分，OS 会执行这部分功能。 因为这部分的知识已经超出了本书的范围，我们就不额外加以说明了。在第 3 层到第 0 层调用了一些具有代表性的函数，其调用图如下。

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_垃圾回收_04

第0层 通用的基础分配器

以 Linux 为例，第 0 层指的就是 glibc 的 malloc() 这样的分配器，是对 Linux 等 OS 申 请内存的部分。

Python 中并不是在生成所有对象时都调用 malloc()，而是根据要分配的内存大小来改 变分配的方法。申请的内存大小如果大于 256 字节，就老实地调用 malloc();如果小于等 于 256 字节，就要轮到第 1 层和第 2 层出场了。

更细致的过程：​​垃圾回收机制的算法与实现​​

第1层 Python低级内存分配器

Python 中使用的对象基本上都小于等于 256 字节，并且净是一些马上就会被废弃的对象。请看下面的例子。

for x in range(100):
  print(x)

上述 Python 脚本是把从 0 到 99 的非负整数 A 转化成字符串并输出的程序。这个程序会大量使用一次性的小字符串。

在这种情况下，如果逐次查询第 0 层的分配器，就会发生频繁调用 malloc() 和 free() 的情况，这样一来效率就会降低。

因此，在分配非常小的对象时，Python 内部会采用特殊的处理。实际执行这项处理的就是第 1 层和第 2 层的内存分配器。

当需要分配小于等于 256 字节的对象时，就利用第 1 层的内存分配器。在这一层会事先 从第 0 层开始迅速保留内存空间，将其蓄积起来。第 1 层的作用就是管理这部分蓄积的空间。

第1层处理的信息的内存结构

根据所管理的内存空间的作用和大小的不同，我们称最小 的单位为 block，最终返回给申请者的就是这个 block 的地址。比 block 大的单位的是 pool， pool 内部包含 block。pool 再往上叫作 arena。

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_内存管理_05

也就是说 arena > pool > block，感觉很像俄罗斯套娃吧。为了避免频繁调用 malloc() 和 free()，第 0 层的分配器会以最大的单位 arena 来保留 内存。pool 是用于有效管理空的 block 的单位。arena 这个词有“竞技场”的意思。大家可以理解成竞技场里有很多个 pool，pool 里面漂 浮着很多个 block，这样或许更容易理解一些。

arena

Arenas是最大的内存块，并在内存中的页面边界上对齐。页面边界是操作系统使用的固定长度连续内存块的边缘。Python假设系统的页面大小为256 KB。

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_python_06

Arenas内有内存池，池是一个虚拟内存页(4 KB)。这些就像我们书中类比的页面。这些池被分成较小的内存块。

给定池中的所有块均具有相同的“大小等级”。给定一定数量的请求数据，大小类定义特定的块大小。下图直接取自​​源代码​​注释：

这一点可以看​​Pymalloc​​

  • 针对小对象(<= 512 bytes)，Pymalloc会在内存池中申请内存空间
  • > 512bytes,则会PyMem_RawMalloc()和PyMem_RawRealloc()来申请新的内存空间

例如，如果请求42个字节，则将数据放入48字节大小的块中。

pool

arena 内部各个 pool 的大小固定在 4K 字节。因为几乎对所有 OS 而言，其虚拟内存的页 面大小都是 4K 字节，所以我们也相应地把 pool 的大小设定为 4K 字节。

第1层总结

第 1 层的任务可以用一句话来总结，那就是“管理 arena”。

第2层 Python对象分配器

第 2 层的分配器负责管理 pool 内的 block。这一层实际上是将 block 的开头地址返回给申请者，并释放 block 等。 那么我们来看看这一层是如何管理 block 的吧。

block

pool 被分割成一个个的 block。我们在 Python 中生成对象时，最终都会被分配这个 block (在要求大小不大于 256 字节的情况下)。以 block 为单位来划分，这是从 pool 初始化时就决定好的。这是因为我们一开始利用 pool 的时候就决定了“这是供 8 字节的 block 使用的 pool”。pool 内被 block 完全填满了，那么 pool 是怎么进行 block 的状态管理的呢?block 只有以下三种状态。

  1. 已经分配
  2. 使用完毕
  3. 未使用

第3层 对象特有的分配器

对象有列表和元组等多种多样的型，在生成它们的时候要使用各自特有的分配器。

分配器的总结

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_内存管理_07

赋值语句内存分析

我们可以通过使用​​id()​​函数来查看某个对象的内存地址，每个人的电脑内存地址不一样。

a = 1
id(a)  # Output: 4566652048
b = 2
id(b)   # Output: 4566652080

c = 8
id(c)  # Output: 4566652272
d = 8
id(d)  # Output: 4566652272

使用 ​​==​​来查看对象的值是否相等，​​is​​判断对象是否是同一个对象

c == d  # Output: True
c is d  # Output: True

e = 888888888
id(e)  # Output: 4569828784
f = 888888888
id(f)  # Output: 4569828880
e == f  # Output: True
e is f  # Output: False

解释：我们可以看到，

  • c == d输出 True 和 c is d也输出True，这是因为，对一个小一点的int变量赋值，Python在内存池(Pool)中分配给c和d同一块内存地址,
  • 而e == f为 True，值相同；e is f输出 False，并不少同一个对象。

这是因为Python内存池中分配空间，赋予对象的类别并赋予其初始的值。从-5到256这些小的整数，在Python脚本中使用的非常频繁，又因为他们是不可更改的，因此只创建一次，重复使用就可以了。

e 和 f数字比较大，所以只能重新分配地址来。其实-5到256之间的数字，Python都已经给我安排好了。

>>> i = 256
>>> j = 256
>>> i is j
True
>>> i = 257
>>> j = 257
>>> i is j
False
>>> i = -5
>>> j = -5
>>> i is j
True
>>> i = -6
>>> j = -6
>>> i is j
False

Java 也有这样的机制 缓存范围是 -128 ~ 127** Cache to support the object identity semantics of autoboxing for values between*** -128 and 127 (inclusive) as required by JLS.*

接着，看对象的内存分析：

li1 = []
li2 = []
li1 == li2  # Output: True
li1 is li2  # Output: False

x = 1
y = x
id(x)  # Output: 4566652048
id(y)  # Output: 4566652048
y = 2
id(y)  # Output: 4566652080

x == y  # Output: False
x is y  # Output: False

再来看看垃圾回收

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_python_08

垃圾回收机制

来看一下Python中的垃圾回收技术：

  • 引用计数为主
  • 标记清除和分代回收为辅

如果一个对象的引用计数为0，Python解释器就会回收这个对象的内存，但引用计数的缺点是不能解决循环引用的问题，所以我们需要标记清除和分代回收。

什么是引用计数

  • 每个对象都有存有指向该对象的引用总数
  • 查看某个对象的引用计数sys.getrefcount()
  • 可以使用del关键字删除某个引用
import sys

l = []
print(sys.getrefcount(l))  # Output: 2

l2 = l
l3 = l
l4 = l3
print(sys.getrefcount(l))  # Output: 5

del l2
print(sys.getrefcount(l))  # Output: 4

i = 1
print(sys.getrefcount(i))  # Output: 140

a = i
print(sys.getrefcount(i))  # Output: 141

当对象的引用计数达到零时，解释器会暂停，来取消分配它以及仅可从该对象访问的所有对象。即满足引用计数为0的时候，会启动垃圾回收。

但是引用计数不能解决循环引用的问题，就如下的代码不停跑就能把电脑内存跑满：

>>> a = []
>>> b = []
>>> while True:
...     a.append(b)
...     b.append(a)
...

[1]    31962 killed     python

标记清除

标记清除算法作为Python的辅助垃圾收集技术主要处理的是一些容器对象，比如list、dict、tuple，instance等，因为对于字符串、数值对象是不可能造成循环引用问题。标记清除和分代回收就是为了解决循环引用而生的。

它分为两个阶段：第一阶段是标记阶段，GC会把所有的活动对象打上标记，第二阶段是把那些没有标记的对象非活动对象进行回收。

对象之间通过引用(指针)连在一起，构成一个有向图，对象构成这个有向图的节点，而引用关系构成这个有向图的边。从根对象(root object)出发，沿着有向边遍历对象，可达的(reachable)对象标记为活动对象，不可达的对象就是要被清除的非活动对象。根对象就是全局变量、调用栈、寄存器。

#私藏项目实操分享#深入理解Python内存管理与垃圾回收_python_09

在上图中，可以从程序变量直接访问块1，并且可以间接访问块2和3。程序无法访问块4和5。第一步将标记块1，并记住块2和3以供稍后处理。第二步将标记块2，第三步将标记块3，但不记得块2，因为它已被标记。扫描阶段将忽略块1，2和3，因为它们已被标记，但会回收块4和5。

标记清除算法作为Python的辅助垃圾收集技术，主要处理的是一些容器对象，比如list、dict、tuple等，因为对于字符串、数值对象是不可能造成循环引用问题。

Python使用一个双向链表将这些容器对象组织起来。不过，这种简单粗暴的标记清除算法也有明显的缺点：清除非活动的对象前它必须顺序扫描整个堆内存，哪怕只剩下小部分活动对象也要扫描所有对象。

分代回收(自动)

分代回收是建立在标记清除技术基础之上的，是一种以空间换时间的操作方式。

  • Python将所有的对象分为0，1，2 三代
  • 所有的新建的对象都是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。

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

  • 查看阈值gc.get_threshold()
import gc

print(gc.get_threshold())  # Output: (700, 10, 10)

​​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。理论上，存活时间久的对象，使用的越多，越不容易被回收，这也是分代回收设计的思想。

手动回收

具体参考​​gc​​模块。

  • gc.collect()手动回收
  • objgraph模块中的count()记录当前类产生的实例对象的个数
import gc
result = gc.collect()

print(result)

import objgraph

class Person(Object):
  pass

class Cat(object):
  pass

p = Person()
c = Cat()
p.name ='yuzhou1su'

c.master = p
print(sys.getrefcount(p))
print(sys.getfefcount(c))

del p
del c

gc.collect()
print(objgraph.count('Person'))
print(objgraph.count('Cat'))

当定位到哪个对象存在内存泄漏，就可以用show_backrefs查看这个对象的引用链。

内存池(memory pool)机制

频繁 申请、消耗 会导致大量的内存碎片，致使效率变低。

内存池的概念就是在内存中申请一定数量的，大小相等的内存块留作备用。

内存池池由单个大小类的块组成。每个池维护一个到相同大小类的其他池的双向链接列表。这样，即使在不同的池中，该算法也可以轻松找到给定块大小的可用空间。

当有新的内存需求时，就会先从内存池中分配内存留给这个需求。内存不够再申请新的内存。

内存池本身必须处于以下三种状态之一：

  • 已使用
  • 已满
  • 或为空。

优点：减少内存碎片，提高效率。

总结

内存管理是计算机的一个非常重要的组成部分。 Python 跟 Java、Go 一样，帮助开发者从语言设计层面解决了这个问题，使得我们不用手动分配和释放内存，这也是这类语言的优势。

本文主要解释了：

  • 什么是内存管理，管理方式的方式
  • Cpython 的内存管理方式
  • 垃圾回收机制
  • Python 的引用计数、标记清楚和分代回收的垃圾自动回收方法。
  • 最后介绍了手动回收的包和为了提高内存有效使用的内存池机制

希望看完这篇文章的读者能对内存管理和垃圾回收有所兴趣，下一篇文章再见~

参考文章：

  1. 对内存管理有兴趣的强烈推荐阅读： Memory Management in Python
  2. 垃圾回收机制的算法与实现
  3. https://www.cnblogs.com/TM0831/p/10599716.html
  4. https://www.cnblogs.com/xybaby/p/7491656.html
  5. ​​https://www.jianshu.com/p/c2c960481011​​