Python是怎么處理垃圾的

這篇文章主要介紹“Python是怎么處理垃圾的”，在日常操作中，相信很多人在Python是怎么處理垃圾的問題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”Python是怎么處理垃圾的”的疑惑有所幫助！接下來，請(qǐng)跟著小編一起來學(xué)習(xí)吧！

前言

語言的內(nèi)存管理是語言設(shè)計(jì)的一個(gè)重要方面。它是決定語言性能的重要因素。無論是C語言的手工管理，還是Java的垃圾回收，都成為語言最重要的特征。這里以Python語言為例子，說明一門動(dòng)態(tài)類型的、面向?qū)ο蟮恼Z言的內(nèi)存管理方式。

對(duì)象的內(nèi)存使用

賦值語句是語言最常見的功能了。但即使是最簡(jiǎn)單的賦值語句，也可以很有內(nèi)涵。Python的賦值語句就很值得研究。

a = 1

整數(shù)1為一個(gè)對(duì)象。而a是一個(gè)引用。利用賦值語句，引用a指向?qū)ο?。Python是動(dòng)態(tài)類型的語言(參考動(dòng)態(tài)類型)，對(duì)象與引用分離。Python像使用“筷子”那樣，通過引用來接觸和翻動(dòng)真正的食物——對(duì)象。

 引用和對(duì)象

為了探索對(duì)象在內(nèi)存的存儲(chǔ)，我們可以求助于Python的內(nèi)置函數(shù)id()。它用于返回對(duì)象的身份(identity)。其實(shí)，這里所謂的身份，就是該對(duì)象的內(nèi)存地址。

a = 1  print(id(a))  print(hex(id(a)))

在我的計(jì)算機(jī)上，它們返回的是:

11246696  '0xab9c68'

分別為內(nèi)存地址的十進(jìn)制和十六進(jìn)制表示。

在Python中，整數(shù)和短小的字符，Python都會(huì)緩存這些對(duì)象，以便重復(fù)使用。當(dāng)我們創(chuàng)建多個(gè)等于1的引用時(shí)，實(shí)際上是讓所有這些引用指向同一個(gè)對(duì)象。

a = 1  b = 1  print(id(a)) print(id(b))

上面程序返回

11246696  11246696

可見a和b實(shí)際上是指向同一個(gè)對(duì)象的兩個(gè)引用。

為了檢驗(yàn)兩個(gè)引用指向同一個(gè)對(duì)象，我們可以用is關(guān)鍵字。is用于判斷兩個(gè)引用所指的對(duì)象是否相同。

# True  a = 1  b = 1  print(a is b)  # True  a = "good"  b = "good"  print(a is b)  # False  a = "very good morning"  b = "very good morning"  print(a is b)  # False  a = []  b = []  print(a is b)

上面的注釋為相應(yīng)的運(yùn)行結(jié)果?？梢钥吹?，由于Python緩存了整數(shù)和短字符串，因此每個(gè)對(duì)象只存有一份。比如，所有整數(shù)1的引用都指向同一對(duì)象。即使使用賦值語句，也只是創(chuàng)造了新的引用，而不是對(duì)象本身。長的字符串和其它對(duì)象可以有多個(gè)相同的對(duì)象，可以使用賦值語句創(chuàng)建出新的對(duì)象。

在Python中，每個(gè)對(duì)象都有存有指向該對(duì)象的引用總數(shù)，即引用計(jì)數(shù)(reference count)。

我們可以使用sys包中的getrefcount()，來查看某個(gè)對(duì)象的引用計(jì)數(shù)。需要注意的是，當(dāng)使用某個(gè)引用作為參數(shù)，傳遞給getrefcount()時(shí)，參數(shù)實(shí)際上創(chuàng)建了一個(gè)臨時(shí)的引用。因此，getrefcount()所得到的結(jié)果，會(huì)比期望的多1。

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

由于上述原因，兩個(gè)getrefcount將返回2和3，而不是期望的1和2。

對(duì)象引用對(duì)象

Python的一個(gè)容器對(duì)象(container)，比如表、詞典等，可以包含多個(gè)對(duì)象。實(shí)際上，容器對(duì)象中包含的并不是元素對(duì)象本身，是指向各個(gè)元素對(duì)象的引用。

我們也可以自定義一個(gè)對(duì)象，并引用其它對(duì)象:

class from_obj(object):      def __init__(self, to_obj):          self.to_obj = to_obj  b = [1,2,3]  a = from_obj(b)  print(id(a.to_obj))  print(id(b))

可以看到，a引用了對(duì)象b。

對(duì)象引用對(duì)象，是Python最基本的構(gòu)成方式。即使是a = 1這一賦值方式，實(shí)際上是讓詞典的一個(gè)鍵值"a"的元素引用整數(shù)對(duì)象1。該詞典對(duì)象用于記錄所有的全局引用。該詞典引用了整數(shù)對(duì)象1。我們可以通過內(nèi)置函數(shù)globals()來查看該詞典。

當(dāng)一個(gè)對(duì)象A被另一個(gè)對(duì)象B引用時(shí)，A的引用計(jì)數(shù)將增加1。

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

由于對(duì)象b引用了兩次a，a的引用計(jì)數(shù)增加了2。

容器對(duì)象的引用可能構(gòu)成很復(fù)雜的拓?fù)浣Y(jié)構(gòu)。我們可以用objgraph包來繪制其引用關(guān)系，比如

x = [1, 2, 3]  y = [x, dict(key1=x)]  z = [y, (x, y)]  import objgraph  objgraph.show_refs([z], filename='ref_topo.png')

objgraph是Python的一個(gè)第三方包。安裝之前需要安裝xdot。

sudo apt-get install xdot  sudo pip install objgraph

objgraph官網(wǎng)：http://mg.pov.lt/objgraph/

兩個(gè)對(duì)象可能相互引用，從而構(gòu)成所謂的引用環(huán)(reference cycle)。

a = []  b = [a]  a.append(b)

即使是一個(gè)對(duì)象，只需要自己引用自己，也能構(gòu)成引用環(huán)。

a = []  a.append(a)  print(getrefcount(a))

引用環(huán)會(huì)給垃圾回收機(jī)制帶來很大的麻煩，我將在后面詳細(xì)敘述這一點(diǎn)。

引用減少

某個(gè)對(duì)象的引用計(jì)數(shù)可能減少。比如，可以使用del關(guān)鍵字刪除某個(gè)引用:

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

del也可以用于刪除容器元素中的元素，比如:

a = [1,2,3]  del a[0]  print(a)

如果某個(gè)引用指向?qū)ο驛，當(dāng)這個(gè)引用被重新定向到某個(gè)其他對(duì)象B時(shí)，對(duì)象A的引用計(jì)數(shù)減少:

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

垃圾回收

吃太多，總會(huì)變胖，Python也是這樣。當(dāng)Python中的對(duì)象越來越多，它們將占據(jù)越來越大的內(nèi)存。不過你不用太擔(dān)心Python的體形，它會(huì)乖巧的在適當(dāng)?shù)臅r(shí)候“減肥”，啟動(dòng)垃圾回收(garbage collection)，將沒用的對(duì)象清除。在許多語言中都有垃圾回收機(jī)制，比如Java和Ruby。盡管最終目的都是塑造苗條的提醒，但不同語言的減肥方案有很大的差異 。

從基本原理上，當(dāng)Python的某個(gè)對(duì)象的引用計(jì)數(shù)降為0時(shí)，說明沒有任何引用指向該對(duì)象，該對(duì)象就成為要被回收的垃圾了。比如某個(gè)新建對(duì)象，它被分配給某個(gè)引用，對(duì)象的引用計(jì)數(shù)變?yōu)?。如果引用被刪除，對(duì)象的引用計(jì)數(shù)為0，那么該對(duì)象就可以被垃圾回收。比如下面的表:

a = [1, 2, 3]  del a

del a后，已經(jīng)沒有任何引用指向之前建立的[1, 2, 3]這個(gè)表。用戶不可能通過任何方式接觸或者動(dòng)用這個(gè)對(duì)象。這個(gè)對(duì)象如果繼續(xù)待在內(nèi)存里，就成了不健康的脂肪。當(dāng)垃圾回收啟動(dòng)時(shí)，Python掃描到這個(gè)引用計(jì)數(shù)為0的對(duì)象，就將它所占據(jù)的內(nèi)存清空。

然而，減肥是個(gè)昂貴而費(fèi)力的事情。垃圾回收時(shí)，Python不能進(jìn)行其它的任務(wù)。頻繁的垃圾回收將大大降低Python的工作效率。如果內(nèi)存中的對(duì)象不多，就沒有必要總啟動(dòng)垃圾回收。所以，Python只會(huì)在特定條件下，自動(dòng)啟動(dòng)垃圾回收。當(dāng)Python運(yùn)行時(shí)，會(huì)記錄其中分配對(duì)象(object allocation)和取消分配對(duì)象(object deallocation)的次數(shù)。當(dāng)兩者的差值高于某個(gè)閾值時(shí)，垃圾回收才會(huì)啟動(dòng)。

我們可以通過gc模塊的get_threshold()方法，查看該閾值:

import gc  print(gc.get_threshold())

返回(700, 10, 10)，后面的兩個(gè)10是與分代回收相關(guān)的閾值，后面可以看到。700即是垃圾回收啟動(dòng)的閾值。可以通過gc中的set_threshold()方法重新設(shè)置。

我們也可以手動(dòng)啟動(dòng)垃圾回收，即使用gc.collect()。

分代回收

Python同時(shí)采用了分代(generation)回收的策略。這一策略的基本假設(shè)是，存活時(shí)間越久的對(duì)象，越不可能在后面的程序中變成垃圾。我們的程序往往會(huì)產(chǎn)生大量的對(duì)象，許多對(duì)象很快產(chǎn)生和消失，但也有一些對(duì)象長期被使用。出于信任和效率，對(duì)于這樣一些“長壽”對(duì)象，我們相信它們的用處，所以減少在垃圾回收中掃描它們的頻率。

小家伙要多檢查

Python將所有的對(duì)象分為0，1，2三代。所有的新建對(duì)象都是0代對(duì)象。當(dāng)某一代對(duì)象經(jīng)歷過垃圾回收，依然存活，那么它就被歸入下一代對(duì)象。垃圾回收啟動(dòng)時(shí)，一定會(huì)掃描所有的0代對(duì)象。如果0代經(jīng)過一定次數(shù)垃圾回收，那么就啟動(dòng)對(duì)0代和1代的掃描清理。當(dāng)1代也經(jīng)歷了一定次數(shù)的垃圾回收后，那么會(huì)啟動(dòng)對(duì)0，1，2，即對(duì)所有對(duì)象進(jìn)行掃描。

這兩個(gè)次數(shù)即上面get_threshold()返回的(700, 10, 10)返回的兩個(gè)10。也就是說，每10次0代垃圾回收，會(huì)配合1次1代的垃圾回收；而每10次1代的垃圾回收，才會(huì)有1次的2代垃圾回收。

同樣可以用set_threshold()來調(diào)整，比如對(duì)2代對(duì)象進(jìn)行更頻繁的掃描。

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

孤立的引用環(huán)

引用環(huán)的存在會(huì)給上面的垃圾回收機(jī)制帶來很大的困難。這些引用環(huán)可能構(gòu)成無法使用，但引用計(jì)數(shù)不為0的一些對(duì)象。

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

上面我們先創(chuàng)建了兩個(gè)表對(duì)象，并引用對(duì)方，構(gòu)成一個(gè)引用環(huán)。刪除了a，b引用之后，這兩個(gè)對(duì)象不可能再從程序中調(diào)用，就沒有什么用處了。但是由于引用環(huán)的存在，這兩個(gè)對(duì)象的引用計(jì)數(shù)都沒有降到0，不會(huì)被垃圾回收。

孤立的引用環(huán)

為了回收這樣的引用環(huán)，Python復(fù)制每個(gè)對(duì)象的引用計(jì)數(shù)，可以記為gc_ref。假設(shè)，每個(gè)對(duì)象i，該計(jì)數(shù)為gc_ref_i。Python會(huì)遍歷所有的對(duì)象i。對(duì)于每個(gè)對(duì)象i引用的對(duì)象j，將相應(yīng)的gc_ref_j減1。

 遍歷后的結(jié)果

在結(jié)束遍歷后，gc_ref不為0的對(duì)象，和這些對(duì)象引用的對(duì)象，以及繼續(xù)更下游引用的對(duì)象，需要被保留。而其它的對(duì)象則被垃圾回收。

總結(jié)

Python作為一種動(dòng)態(tài)類型的語言，其對(duì)象和引用分離。這與曾經(jīng)的面向過程語言有很大的區(qū)別。為了有效的釋放內(nèi)存，Python內(nèi)置了垃圾回收的支持。Python采取了一種相對(duì)簡(jiǎn)單的垃圾回收機(jī)制，即引用計(jì)數(shù)，并因此需要解決孤立引用環(huán)的問題。Python與其它語言既有共通性，又有特別的地方。對(duì)該內(nèi)存管理機(jī)制的理解，是提高Python性能的重要一步。

到此，關(guān)于“Python是怎么處理垃圾的”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！