Python内存管理机制

1、Python引用，变量，对象

python中的对象可以分为不可变对象和可变对象两种类型，分别是：小整数、简单字符串（对于整数和字符串为什么要强调小整数和简单字符串参考博客 Python缓存机制），，而对于大整数，长字符串，列表、字典等。

区别可变对象和不可变对象还要用到内存和引用，当我们执行一句代码a=3时，python中执行了三个动作：

首先，为整数对象3分配一段内存空间，用来存放对象3，

再次，创建一个变量a

最后，变量a引用对象3

同样list_a=[1,2,3]也是做了同样的事情

---

a=3

b=a

a=4

我们打印出a和b，分别为4和3，第一行代码是将变量a引用了对象3，其实就是给对象三贴上了一个标签a，第二行代码，等同于将变量b也引用了对象3，这样对象3上贴了两个标签了，第三行代码将变量a又重新引用了对象4，也就是说，将对象3上的标签a撕下来贴到对象4上了。以上这个过程对象3没有任何改动，所以我们称之为不可变性

---

list_a=[1,2,3]

list_b=list_a

list_a[0]=4

我们打印出list_a和list_b，结果都是[4,2,3]，因为我们的list_a和list_b都是引用的列表对象，而列表对象中又包含了三个整数对象，也即list_a[0],list_a[1],list_a[2]三个列表的index分别又引用了1,2,3三个对象，这样list_a[0]=4知识修改了列表对象第一个index引用的对象，我们list_a和list_b两个变量直接引用的列表对象并没有改变。

---

关于字符串赋值：

对于赋值，对于字符串对象有个需要注意的地方，因为字符串分为简单字符串和复杂字符串

简单字符串如：‘a’，‘hello’

复杂字符串如：‘hello world’，‘a，’

a=‘hello’

b=‘hello’

和

a=‘hello’

b=a

这两种赋值效果都是一样的，内存中只分配了一个hello对象的内存，a和b都引用同一个对象

a=‘hello world’

b=‘hello world’

这种赋值，a和b指向的是不同的内存地址，引用的不同的对象

a=‘hello world’

b=a

这种赋值，a和b是指向的同一内存地址，引用的同一对象

---

关于==和is

python中==是对比值是否一样不关心内存地址，而is既关心值是否 一样也关心内存地址是否一样，说白了就是是否是同一个对象

a=‘hello’

b=‘hello’

和

a=‘hello’

b=a

例如，对于简单字符串和整数对象，上面的赋值a和b是同一个对象，即a==b且a is b

a=‘hello world’

b=‘hello world’

而对于上面这样的赋值，a=b，但是a is b是False，正如字符串赋值中讲到的，a和b内存地址不一样了，不是同一个对象。

---

list_a=[1,2,3]

list_b=[1,2,3]

这样赋值的话，list_a和list_b就指向不同的对象了，通过id(list_a)和id(list_b)可以看出他们分别指向不同的内存地址

a=3

b=3

如此赋值，a和b指向的是同一个对象，通过id(a)和id(b)可以看到他们都指向的同一内存地址

这里提现了可变对象和不可变对象的区别，也可以称之为简单对象和复杂对象

2、Python中的copy和deepcopy

对于整数和字符串等不可变对象来说，b=a和b=copy.copy(a)的效果是相同的，大家都引用的同一个对象

对于可变对象来说list_b=copy.copy(list_a)后，list_a和list_b分别指向不同的内存地址的对象，copy是重新在内存中开辟了一个空间存放copy后的对象。

那copy和deepcopy的区别是什么呢？

他们的区别在于针对嵌套的数据结构来说的，比如[1,2,3,[4,5,6]]这种列表中嵌套列表，或者字典中嵌套字典，列表嵌套字典，字典嵌套列表等等，要知道这些数据结构中的值都是一个内存中对象的引用，所以对于copy来说，它只会复制某个数据结构的第一层引用对应的内存对象，而deepcopy会进行递归的copy，一层一层的复制出来，重新开辟一个内存空间存放所有对象，直到最后的简单对象。

3、Python垃圾回收机制

Python的垃圾回收机制是建立在引用的基础上的，对于一个对象，可以有多个变量引用它，每个对象中都保存一个属性，即被引用次数（引用计数器），当一个变量不在引用该对象时，对象的引用计数器就减1，如果该对象的引用计数器变为0，该对象所占用的内存空间就会被回收。

Python的垃圾回收机制是Python中引用为0了不使用了的对象Python就会自动对其进行回收，这样的话Python会反复的进行内存的分配和回收，而python在进行垃圾回收时不能执行其他的任务，这样会大大影响Python的执行效率，所以python不是时时刻刻都会对引用变为0的对象进行回收，而是只有垃圾数量达到一定阈值时，才会启动自动垃圾回收，python中有对象分配和取消对象分配两个计数器（其实就是内存分配次数和内存），只有当两个计数器的差值大于一定的阈值时，才会启动垃圾回收，这个阈值可以通过python的gc模块进行查看

import gc

print (gc.get_threshold())

返回(700,10,10)表示对象分配减去对象取消数大于700时才会启动垃圾回收

同样，这个阈值可以设置

gc.set_threshold(700,10,10)

后面的两个10是分代回收的概念后面会提到

我们也可以手动的启动垃圾回收和关闭垃圾回收

gc.collection()

gc.disabled

更多的gc模块的方法参见 https://docs.python.org/2/library/gc.html

分代回收

python的垃圾回收也采用了分代的策略，基本思想就是存活时间越久的对象越不可能是垃圾，因此会相应减少对这些存活时间比较久的对象的扫面，从而也提高python的效率。

python的分代回收分为三代，分别是0,1,2，刚分配的对象都是0代对象，如果某一个对象在一次垃圾扫描中幸存下来（也即是该对象的引用不为0），那么他就会被放到下一代中，如果在下一代扫描中又幸存下来，那么在放入下一代中。

为了减少扫描对象的次数，python通过gc.set_threshold(700,10,10)设置扫描的频率，其中的第一个10表示每扫描完10次0代对象，就进行一次0,1代对象的扫描，第二个10表示，每扫描完10次1代对象，就进行一次2代对象的扫描。

4、内存池

 

python的内存管理机制是分层实现的

-1和-2层是由操作系统来实现的

0层是由c来实现的，调用c的malloc和free来分配和释放内存

1层和2层是内存池，是python的底层接口 PyMem_Malloc来实现的，主要用来分配那些小于256k大小的内存，这样也避免了反复的调用底层的c函数来反复的分配和释放内存，提高了运行效率

3层是我们对python的直接操作