垃圾回收机制

说白了就是十二个字

引用计数、标记清除、分代回收

看不懂没关系我们往下看：

【1】引用计数

Python 语言默认采用的是 引用计数 的垃圾回收机制。该算法的原理是：每个对象维护一个 ob_ref 的字段，用来记录该对象当前被引用的次数，每当有新的引用指向该对象是，它的引用计数 ob_ref + 1，每当该对象的引用失效时，计数器 ob_ref - 1，一旦引用计数为 0，该对象立即被回收，对象占用的空间会被释放。它的缺点是需要额外的空间维护引用计数，这个问题是其次的，最主要的问题是它不能解决对象中的 "循环引用" 问题，因此，很多语言比如 java 并没有采用才算法来做垃圾的收集机制。

什么是循环-引用？A 和 B 相互引用而在外部没有引用 A B 中的任何一个，它们的引用计数虽然都为 1，但显然应该被回收：

a = {} # 对象 a 的引用计数为 1
b = {} # 对象 b 的引用计数为 1
a['b'] = b # 对象 b 的引用计数 +1 = 2
b['a'] = a # 对象 a 的引用计数 +1 = 2
del a  # a 的 ref -1,=1
def b  # b 的 ref -1,=1

事实上，Python 本身能够处理这种情况，可以显示调用 gc.collect()，来启动垃圾回收。

import os
import psutil
import gc

# 显示当前 python 程序占用的内存大小
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))

def func_1():
    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)

if __name__ == "__main__":
    # func_1()
    # show_memory_info('finished')

    func_1()
    gc.collect()
    show_memory_info('finished')

#############输出################
initial memory used: 8.49609375 MB
after a,b created memory used: 783.20703125 MB
finished memory used: 783.20703125 MB


initial memory used: 8.3984375 MB
after a,b created memory used: 783.1796875 MB
finished memory used: 8.73828125 MB

所以，Python 的垃圾回收机制并没有那么弱。

【2】标记-清除

在 Python 中，垃圾回收机制主要使用了标记清除算法（Mark and Sweep）来管理内存。Python 的标准解释器 CPython 使用了这种垃圾回收机制。

CPython 的标记清除算法工作原理如下：

标记阶段（Mark）：

从根对象开始，通常是全局变量、模块、当前执行堆栈等，标记所有可访问的对象。

这一过程通过遍历对象之间的引用关系来实现，将可达的对象标记为活动对象。

清除阶段（Sweep）：

在清除阶段，Python 的垃圾回收器会遍历整个堆内存，回收未标记的对象所占用的内存空间。

未被标记的对象即被视为垃圾对象，它们所占用的内存将被释放。

此外，清除阶段还负责处理循环引用的情况，即相互引用但已不可达的对象。

Python 的垃圾回收机制是自动运行的，它通过引用计数和周期性的标记清除来管理内存。引用计数用于跟踪对象的引用数量，当引用计数为零时，对象即被认定为垃圾并被回收。而标记清除算法则处理循环引用等无法通过引用计数解决的情况。

需要注意的是，标记清除算法在进行垃圾回收时会导致一定的性能开销和停顿时间。为了减少这种影响，Python 也提供了其他优化技术和算法，比如分代回收（Generational Garbage Collection）和增量垃圾回收（Incremental Garbage Collection）等。

总结起来，Python 的标准解释器 CPython 使用标记清除算法来管理内存并进行垃圾回收，保证程序的内存使用效率和稳定性。

【3】分代回收

分代回收的基本思想是根据对象的存活时间将其划分为不同的代，通常将所有对象划分为三代：0代、1代和2代。新创建的对象会被放入 0 代，而经过一次垃圾回收仍然存活的对象会被提升到更高的代中。当某一代中的对象经过多次垃圾回收仍然存活下来，就可以认为它的存活概率较高，需要更少的垃圾回收操作。

Python 的分代回收主要基于以下两个原理：

弱代假设 (Weak Generational Hypothesis)：

大部分对象在内存中存在的时间很短，即新创建的对象往往很快就变得不可达。

较早创建的对象，即存活时间较长的对象，更有可能在未来继续存活下来。

代之间的存活率关系 (Generation Survival Rate)：

0 代中的对象一般存活时间最短，因此需要更频繁地进行垃圾回收。

1 代中的对象相对较少存活，需要相对较少的垃圾回收操作。

2 代中的对象存活率更高，需要较少的垃圾回收操作。

Python 的分代回收机制会根据这些原理，定期对不同代进行垃圾回收操作。通常，每次垃圾回收后，存活的对象会被提升到更高的代中。这样一来，垃圾回收机制可以更加集中地处理那些存活时间较长的对象，从而提高垃圾回收效率。

分代回收是 Python 垃圾回收机制的重要组成部分，它通过根据对象的存活时间进行优化，提高了垃圾回收的效率和性能。这对于 Python 这种动态语言来说尤为重要，因为它经常面临着频繁的内存分配和回收操作。

要是还不懂

个人见解：

1. 如何定义垃圾数据?
    name = 'kevin'
    name = 'tank'
    
2. 如何回收、清除
	"""在Python中，已经开发了一套成熟的垃圾回收方案!"""
    1. 引用计数
    	一个变量值如果有一个变量名指向，那么，在它身上就计数1，引用计数为0的数据都为垃圾数据，我们也会把引用计数为0的数据清除点
    2. 标记清除
    	# 原来比较复杂，你只需要记住它的大致原来怎么回事就行了
        当我们的内存空间即将要沾满的时候，这个时候会暂停所有程序的执行，开始扫描内存空间中得数据，把垃圾数据进行打标签，然后统一进行垃圾数据的清除.
    3. 分代回收
    	对垃圾数据的监管频率逐渐下降