python3_python的内存回收机制__动态类型 / 可变数据类型 / 引用计数 / 引用减少 / 垃圾回收 / 分代回收 / 孤立的引用环

ゝ一纸荒年。 2022-05-16 00:42 222阅读 0赞

# 1.动态类型 #

> 1. 对象是存储在内存中的实体。但我们并不能直接接触到该对象。
> 
> 2. **引用与对象分离**是动态类型的核心。

### （一）不可变数据类型： ###

# --------------------引例1
    a = 1
    b = a
    a = a + 2
    print(a, b)
    
    OUTPUT:
    --> 3  1
    
    
    # --------------------引例2
    lt = [1, 2, 3]
    lt2 = lt
    lt = 4
    print(lt, lt2)
    
    OUTPUT:
    --> 4  [1, 2, 3]
    
    
    # 说明：
        1.开始a和b为指向1的两个引用
        2.第三个表达式中a重新赋值，指向了新的对象3
    
    # 总结：
        即使多个引用指向同一对象，若一个引用值发生变化，那么实际上是该引用指向一新引用，并不影响其他的引用的指向。

### （二）可变数据类型： ###

> 以列表为例：
> 
> 1. 列表相当于一个引用的集合，每一个元素相当于一个引用（lt\[0\], lt\[1\], lt\[2\]）
> 
> 2. 下部代码中，lt\[0\] = 11这一操作，改变的是第一个元素（引用）的指向，而不是lt的指向。故所有指向该lt对象的引用聚会
> 
>     受到影响。
> 
> ![70][]
> 
>

lt = [1, 2, 3]
    lt2 = lt
    lt[0] = 11
    
    print(lt, lt2)
    
    OUTPUT:
    --> [11, 2, 3]
    --> [11, 2, 3]

# 2.python内存回收机制 #

### （一）对象的内存使用 ###

> 1. python为动态类型编程语言。对象与引用相分离。
> 
> 2. **id(对象)**：查看对象的内存地址
> 
> 3. python当中会**缓存整数、浮点数、字符串、空元组、空集合，并不反复的创建和销毁**。例：当创建多个引用引用1时，实际上这些
> 
>     引用均指向同一个对象。
> 
> 4. **is** 关键字用于判断两个引用的对象是否相同。

# python当中会缓存整数、短小字符，并不反复的创建和销毁。例：当创建多个引用引用1时，实际上这些引用均指向同一个对象。
    # --------------------1.整数：True
    a = 1
    b = 1
    print(id(a), id(b))
    print(a is b)
    
    # --------------------2.浮点数：True
    a = 1.0
    b = 1.0
    print(id(a), id(b))
    print(a is b)
    
    # --------------------3.短字符串：True
    a = "good"
    b = "good"
    print(id(a), id(b))
    print(a is b)
    
    # --------------------4.字符串：True
    a = "very good morning this is linux 123 456 789 10111213"
    b = "very good morning this is linux 123 456 789 10111213"
    print(id(a), id(b))
    print(a is b)
    
    # --------------------5.列表：False
    a = [1, 2]
    b = [1, 2]
    print(id(a), id(b))
    print(a is b)
    
    # --------------------6.元组（非空）：False
    a = (1, 2)
    b = (1, 2)
    print(id(a), id(b))
    print(a is b)
    
    # --------------------7.集合:False
    a = set([1, 2])
    b = set([1, 2])
    print(id(a), id(b))
    print(a is b)
    
    # --------------------8.字典:False
    a = {"name": "mx"}
    b = {"name": "mx"}
    print(id(a), id(b))
    print(a is b)

### （二）引用计数（跟踪和回收垃圾） ###

> 1. 可通过**sys包**中的**getrefcount(引用名)**来查看某个对象的引用计数
> 
> 2. 当将某个引用作为实参传递给getrefcount（）时，参数实际上创建了一个临时的引用。因此，引用计数结果比实际值多1
> 
> 3. 对于python的容器（container）对象，如：列表、字典等，其内部包含的并不是对象，而是对象的引用。
> 
> 4. **词典**对象用于记录所有全局变量的引用。可通过内置函数**globals()**查看该词典
> 
> 5. 容器对象的引用可能会构成很复杂的拓扑结构。可通过**objgraph包**中的**show\_refs（）**函数来进行查看
> 
> 6.objgraph包的安装（windows）：**pip install xdot   /   pip install objgraph**
> 
> 展示（\# 3 中对象引用的拓扑结构）：
> 
> ![70 1][]
> 
>

from sys import getrefcount
    import objgraph
    
    
    lt1 = [0, 8, 2, 4]
    lt2 = lt1
    
    # 1.查看对象 [0, 8, 2, 4]的引用计数
    print(getrefcount(lt1) - 1)
    
    # 2.查看词典(记录全局变量的引用)对象
    print(globals())
    
    # 3.查看容器对象引用的拓扑结构
    x = [1, 9, 9, 5]
    y = [x, dict(key1=x)]
    z = [y, (x, y)]
    
    # def show_refs(objs, max_depth=3, extra_ignore=(), filter=None, too_many=10,
    #               highlight=None, filename=None, extra_info=None,
    #               refcounts=False, shortnames=True, output=None)
    # max_depth / too_many: 限制图形的深度和宽度
    # extra_ignore / fileter：删除图标中不需要的对象
    # hightlight:以蓝色突出显示某些图形结点
    # filename / output:``output`` and ``filename`` should not both be specified.
    # extra_info：显示对象的额外信息
    # refcounts: 是否查看对象引用计数
    objgraph.show_refs([z], filename="ref_topo.dot")

### （三）引用减少 ###

>  python内置关键字del删除的是对象的引用，而不是内存中的对象。

from sys import getrefcount
    
    
    a = [1, 2, 3]
    b = a
    c = a
    print(getrefcount(a))
    del c
    print(getrefcount(a))
    del b
    print(getrefcount(a))

### （四）垃圾回收 ###

> 1. 当python某个对象引用计数为0，说明该对象无引用。python会启动“垃圾回收”，将无用的对象清除（从内存中清除）
> 
> 问题：
> 
>          频繁的垃圾回收，会大大降低Python的工作效率。故，python只会在特定的条件下，自动启动垃圾回收。
> 
> 2. python通过阙值（ **|“分配对象次数” - “取消分配对象次数”|** ）来判断是否进行垃圾回收。（高于阙值则进行垃圾回收）
> 
> 3. 可通过**gc包**的**get\_threshold()**函数查看阙值大小；**set\_threshold()**函数设置阙值大小。

from sys import getrefcount
    import gc
    
    
    a = [1, 2, 3]
    b = a
    c = b
    print(getrefcount(a) - 1)
    
    print(gc.get_threshold())
    gc.set_threshold(300)
    print(gc.get_threshold())
    
    
    OUTPUT:
    --> (700, 10, 10)
    --> (300, 10, 10)
    
    # ---------------------------说明-------------------------------- #
    #     结果中的第一个参数代表阈值的大小
    #     第二个参数代表“每10次0代垃圾回收，会配合一次1代垃圾回收”（分代回收）
    #     第三个参数代表“每10次1代垃圾回收，会配合一次2代垃圾回收”（分代回收）
    #     后两个参数同样是通过gc.set_threshold()函数进行修改
    # -----------------后两个参数涉及到分代回收的问题------------------- #

### （五）分代回收（以空间换时间进一步提高垃圾回收效率） ###

> 1. python同时采用分代回收策略。该策略假设：**存活时间越久的对象，越不可能在后边的程序当中编程垃圾**。
> 
> 2. python将所有对象分为**0， 1， 2三代**对象。
> 
> 3. **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
> 
> 4. 查看和修改如（四）中代码所示。

### （六）孤立的引用环 ###

lt1 = [1, 2, 3]
    lt2 = [lt1]
    
    lt1.append(lt2)
    
    del lt1
    del lt2

> 说明：
> 
>         上边代码块中创建了两个列表对象lt1, lt2 。这两个列表对象相互引用，形成孤立的引用环。当删除lt1, lt2的时候，以上两个列表对象在程序中将无法被调用，但是其实际的引用计数并不为0，不会被垃圾回收。
> 
>         为了回收这样的引用环，python复制每一个对象的引用计数（lt1:1, lt2:1）。然后，python遍历所有的引用环涉及到的对象，该处仅有lt1 和lt2 ，当遍历到lt1时，由于lt1引用了lt2, 故将lt2的引用计数减1。同理，当遍历到lt2的时候将lt1的引用计数减1，结果他们的值都为0，最后将不为0的对象保留，为0 的对象进行垃圾回收。

![70 2][]

>        但是这样就有一个问题，假设对象A有一个对象引用C，而C没有引用A，如果将C计数引用减1，而最后A并没有被回收，显然，我们错误的将C的引用计数减1，这将导致在未来的某个时刻出现一个对C的悬空引用。这就要求我们必须在A没有被删除的情况下复原C的引用计数，如果采用这样的方案，那么维护引用计数的复杂度将成倍增加。
> 
>         因此，“标签-清除”方法显得更好。

### （七）标签 - 清除法 ###

>        首先，他先划分出两拨，一拨叫**root object(存活组)**，一拨叫**unreachable(死亡组)**。然后，他把各个对象的引用计数复制出来，对这个副本进行引用环的摘除。摘除完毕，a和c的引用计数副本为0，b的引用计数副本为1，则将那么先把副本为非0的放到存活组（b），副本为0的打入死亡组（a, c）。那么此时若将引用计数为0的对象从内存中清除，则b在引用c的时候就会产生对c的悬空引用。为解决这种问题，python会在存活组中对每个对象都分析一遍，**由于目前存活组只有b，那么他只对b分析，因为b要存活，所以b里的元素也要存活，于是在b中就发现了原a所指向的对象，于是就把他从死亡组中解救出来**。至此，进过了一审和二审，最终把所有的任然在死亡组中的对象通通杀掉，而root object继续存活。b所指向的对象引用计数依然是2，原c所指向的对象的引用计数仍然是1。
> 
> ![70 3][]
> 
>

[70]: /images/20220516/9ac384f1590246d8b39a2271ab524a20.png
[70 1]: /images/20220516/aeb3c0f5fbdc4cb2927c6e5835699072.png
[70 2]: /images/20220516/2659814d9c3d438793131ab5ee02f9fa.png
[70 3]: /images/20220516/04f66b878432453e93e9b73ddf6471c6.png