python中的垃圾回收機(jī)制怎么實(shí)現(xiàn)

python采用的是引用計(jì)數(shù)機(jī)制為主，標(biāo)記-清除和**分代收集（隔代回收）**兩種機(jī)制為輔的策略。

計(jì)數(shù)引用

因?yàn)閜ython中一切皆為對(duì)象，你所看到的一切變量，本質(zhì)上都是對(duì)象的一個(gè)指針。當(dāng)一個(gè)對(duì)象不再調(diào)用的時(shí)候，也就是當(dāng)這個(gè)對(duì)象的引用計(jì)數(shù)(指針數(shù))為 0 的時(shí)候，說明這個(gè)對(duì)象永不可達(dá)，自然它也就成為了垃圾，需要被回收?？梢院唵蔚睦斫鉃闆]有任何變量再指向它。

import os  
import psutil  # 顯示當(dāng)前 python 程序占用的內(nèi)存大小def show_memory_info(hint):  
   pid = os.getpid()  
   p = psutil.Process(pid)  
   info = p.memory_full_info()  
   memory = info.uss / 1024./ 1024  print(  {} memory used: {} MB .format(hint, memory))

可以看到調(diào)用函數(shù) func()，在列表 a 被創(chuàng)建之后，內(nèi)存占用迅速增加到了 433 MB：而在函數(shù)調(diào)用結(jié)束后，內(nèi)存則返回正常。這是因?yàn)?，函?shù)內(nèi)部聲明的列表 a 是局部變量，在函數(shù)返回后，局部變量的引用會(huì)注銷掉;此時(shí)，列表 a 所指代對(duì)象的引用數(shù)為 0，Python 便會(huì)執(zhí)行垃圾回收，因此之前占用的大量內(nèi)存就又回來了。

def func():  
   show_memory_info(
initial  
)  
global a
   a = [i for  i in  range( 10000000 )]  
   show_memory_info( after a created )
func()  
show_memory_info(
finished  
)########## 輸出 ##########  initial memory used: 48.88671875 MB  
after a created memory used:433.94921875 MB  
finished memory used:433.94921875 MB

新的這段代碼中，global a 表示將 a 聲明為全局變量。那么，即使函數(shù)返回后，列表的引用依然存在，于是對(duì)象就不會(huì)被垃圾回收掉，依然占用大量內(nèi)存。同樣，如果我們把生成的列表返回，然后在主程序中接收，那么引用依然存在，垃圾回收就不會(huì)被觸發(fā)，大量內(nèi)存仍然被占用著：

def func():  
   show_memory_info(  initial )  
   a = [i for  i in  derange( 10000000 )]  
   show_memory_info(  after a created )return a  
a = func()
show_memory_info( finished)########## 輸出 ##########  initial memory used:  47.96484375 MB
after a created memory used:434.515625 MB
finished memory used: 434.515625 MB

那怎么可以看到變量被引用了多少次呢?通過 sys.getrefcount

import sys  
a = []  # 兩次引用，一次來自 a，一次來自 getrefcountprint (sys.getrefcount(a))  

def func(a):  # 四次引用，a，python 的函數(shù)調(diào)用棧，函數(shù)參數(shù)，和 getrefcount  print (sys.getrefcount(a))  
func(a)  # 兩次引用，一次來自 a，一次來自 getrefcount，函數(shù) func 調(diào)用已經(jīng)不存在  print (sys.getrefcount(a))  ########## 輸出 ##########  2  
4  
2

如果其中涉及函數(shù)調(diào)用，會(huì)額外增加兩次1. 函數(shù)棧2. 函數(shù)調(diào)用

從這里就可以看到python不再需要像C那種的認(rèn)為的釋放內(nèi)存，但是python同樣給我們提供了手動(dòng)釋放內(nèi)存的方法 gc.collect()

import gc  
show_memory_info( initial)  
a = [i for  i in range( 10000000 )]  
show_memory_info(  after a created)
del a
gc.collect()
show_memory_info( finish )  print (a)  ########## 輸出 ##########initial memory used: 48.1015625 MB
after a created memory used: 434.3828125 MB  
finish memory used: 48.33203125 MB
---------------------------------------------------------------------------
NameErrorTraceback (most recent call last)in  
11  
12 show_memory_info(  finish )
--->  13 print (a)

NameError : name  a  isnotdefined

截止目前，貌似python的垃圾回收機(jī)制非常的簡單，只要對(duì)象引用次數(shù)為0，必定為觸發(fā)gc，那么引用次數(shù)為0是否是觸發(fā)gc的充要條件呢?

循環(huán)回收

如果有兩個(gè)對(duì)象，它們互相引用，并且不再被別的對(duì)象所引用，那么它們應(yīng)該被垃圾回收嗎?

def func():
   show_memory_info( initial )  
   a = [i for  i in  range(10000000)]
   b = [i for  i in  range(10000000)]  
   show_memory_info(  after a, b created )  
   a.append(b)  
   b.append(a)
func()
show_memory_info(  finished )  ########## 輸出 ##########  initial memory used: 47.984375 MB  
after a, b created memory used:822.73828125 MB  
finished memory used:  821.73046875 MB

從結(jié)果顯而易見，它們并沒有被回收，但是從程序上來看，當(dāng)這個(gè)函數(shù)結(jié)束的時(shí)候，作為局部變量的a，b就已經(jīng)從程序意義上不存在了。但是因?yàn)樗鼈兊幕ハ嘁?，?dǎo)致了它們的引用數(shù)都不為0。這時(shí)要如何規(guī)避呢

\1. 從代碼邏輯上進(jìn)行整改，避免這種循環(huán)引用

\2. 通過人工回收

import gc
def func():  
   show_memory_info( initial)  
   a = [i for  i in  range(10000000)]  
   b = [i for  i in  range(10000000)]
   show_memory_info( after a, b created)  
   a.append(b)
   b.append(a)
func()
gc.collect()
show_memory_info( finished )  ########## 輸出 ##########  initial memory used:49.51171875 MB  
after a, b created memory used: 824.1328125 MB  
finished memory used:49.98046875 MB

python針對(duì)循環(huán)引用，有它的自動(dòng)垃圾回收算法1. 標(biāo)記清除(mark-sweep)算法2. 分代收集(generational)

標(biāo)記清除

標(biāo)記清除的步驟總結(jié)為如下步驟1. GC會(huì)把所有的『活動(dòng)對(duì)象』打上標(biāo)記2. 把那些沒有標(biāo)記的對(duì)象『非活動(dòng)對(duì)象』進(jìn)行回收那么python如何判斷何為非活動(dòng)對(duì)象?通過用圖論來理解不可達(dá)的概念。對(duì)于一個(gè)有向圖，如果從一個(gè)節(jié)點(diǎn)出發(fā)進(jìn)行遍歷，并標(biāo)記其經(jīng)過的所有節(jié)點(diǎn);那么，在遍歷結(jié)束后，所有沒有被標(biāo)記的節(jié)點(diǎn)，我們就稱之為不可達(dá)節(jié)點(diǎn)。顯而易見，這些節(jié)點(diǎn)的存在是沒有任何意義的，自然的，我們就需要對(duì)它們進(jìn)行垃圾回收。但是每次都遍歷全圖，對(duì)于 Python 而言是一種巨大的性能浪費(fèi)。所以，在 Python 的垃圾回收實(shí)現(xiàn)中，mark-sweep 使用雙向鏈表維護(hù)了一個(gè)數(shù)據(jù)結(jié)構(gòu)，并且只考慮容器類的對(duì)象(只有容器類對(duì)象，list、dict、tuple，instance，才有可能產(chǎn)生循環(huán)引用)。

圖中把小黑圈視為全局變量，也就是把它作為root object，從小黑圈出發(fā)，對(duì)象1可直達(dá)，那么它將被標(biāo)記，對(duì)象2、3可間接到達(dá)也會(huì)被標(biāo)記，而4和5不可達(dá)，那么1、2、3就是活動(dòng)對(duì)象，4和5是非活動(dòng)對(duì)象會(huì)被GC回收。

分代回收

分代回收是一種以空間換時(shí)間的操作方式，Python將內(nèi)存根據(jù)對(duì)象的存活時(shí)間劃分為不同的集合，每個(gè)集合稱為一個(gè)代，Python將內(nèi)存分為了3“代”，分別為年輕代(第0代)、中年代(第1代)、老年代(第2代)，他們對(duì)應(yīng)的是3個(gè)鏈表，它們的垃圾收集頻率與對(duì)象的存活時(shí)間的增大而減小。新創(chuàng)建的對(duì)象都會(huì)分配在年輕代，年輕代鏈表的總數(shù)達(dá)到上限時(shí)(當(dāng)垃圾回收器中新增對(duì)象減去刪除對(duì)象達(dá)到相應(yīng)的閾值時(shí))，Python垃圾收集機(jī)制就會(huì)被觸發(fā)，把那些可以被回收的對(duì)象回收掉，而那些不會(huì)回收的對(duì)象就會(huì)被移到中年代去，依此類推，老年代中的對(duì)象是存活時(shí)間最久的對(duì)象，甚至是存活于整個(gè)系統(tǒng)的生命周期內(nèi)。同時(shí)，分代回收是建立在標(biāo)記清除技術(shù)基礎(chǔ)之上。事實(shí)上，分代回收基于的思想是，新生的對(duì)象更有可能被垃圾回收，而存活更久的對(duì)象也有更高的概率繼續(xù)存活。因此，通過這種做法，可以節(jié)約不少計(jì)算量，從而提高 Python 的性能。所以對(duì)于剛剛的問題，引用計(jì)數(shù)只是觸發(fā)gc的一個(gè)充分非必要條件，循環(huán)引用同樣也會(huì)觸發(fā)。

調(diào)試

可以使用 objgraph來調(diào)試程序，因?yàn)槟壳八墓俜轿臋n，還沒有細(xì)讀，只能把文檔放在這供大家參閱啦~其中兩個(gè)函數(shù)非常有用 1. show_refs() 2. show_backrefs()