Python进阶之垃圾回收机制

一、引用计数器

在Python中创建name为Nick,age为20这两个变量，会被记录到refchain 这个链表中。

在refchain每个对象中都有一个ob_refcnt(引用计数器)。

通过getrefcount方法可以查看对象的引用计数的个数，由于作为getrefcount这个函数的参数，所以计数会+1.

python 复制代码

import sys

name = "Nick"
age = 22

print(sys.getrefcount(name))# 2
print(sys.getrefcount(age)) # 2
import sys

name = "Nick"
age = 22

# age的引用计数器加一
count = age

print(sys.getrefcount(name))# 2
print(sys.getrefcount(age)) # 3

复制代码

当值被多次引用的时候，不会被重复创建，而是引用计数器+1，当对象被销毁时，引用计数器-1。一般来说，当引用计数器为0时，将对象从refchain移除，同时在内存中进行销毁。

二、标记清除

python 复制代码

# 循环引用
list_1 = [1,2,3]
list_2 = [1,2,3]


print(sys.getrefcount(list_1)) # 2
print(sys.getrefcount(list_2)) # 2


# 列表1中添加list2
list_1.append(list_2)
# 列表2中添加list1
list_2.append(list_1)

print(sys.getrefcount(list_1)) # 3
print(sys.getrefcount(list_2)) # 3

如果对象进行循环引用，仅通过引用计数器来回收，会造成部分引用计数器不为0，则一直占用内存。 Python中便引入了标记清除的技术，针对可能存在的循环引用的对象进行特殊的处理（列表、元祖、字典、集合等可以嵌套的对象）。

标记清除：创建特殊链表专门保存列表、元祖、字典、集合等对象，之后去检查这个链表中的对象是否存在循环引用，如果存在则双方的引用器互相-1.

三、分代回收

有了标记清除的技术可以解决引用计数器的问题，那么什么时候进行清除又是一个问题，Python底层提供了分代回收的技术解决什么时候进行清除，到多少才清除。

分代回收:对标记清除中的链表进行优化，将那些可能存在循环引用的对象拆分为3个链表，0、1、2三代，每代都可以存储对象和阈值，就会对相应的链表中的每个对象做一次扫描，除循环引用各自-1并且销毁引用计数器为0的对象。

cpp 复制代码

//Include/internal/mem.h

struct gc_generation {
PyGC_Head head; 
int threshold; /* collection threshold  阈值*/ 
int count; /* count of allocations or collections of younger
generations  该链表中对象的个数*/
};
#define _GEN_HEAD(n) GEN_HEAD(gcstate, n)
    struct gc_generation generations[NUM_GENERATIONS] = {
        /* PyGC_Head,                                    threshold,    count */
        {{(uintptr_t)_GEN_HEAD(0), (uintptr_t)_GEN_HEAD(0)},   700,        0},
        {{(uintptr_t)_GEN_HEAD(1), (uintptr_t)_GEN_HEAD(1)},   10,         0},
        {{(uintptr_t)_GEN_HEAD(2), (uintptr_t)_GEN_HEAD(2)},   10,         0},
    };
    for (int i = 0; i < NUM_GENERATIONS; i++) {
        gcstate->generations[i] = generations[i];
    };
    gcstate->generation0 = GEN_HEAD(gcstate, 0);
    struct gc_generation permanent_generation = {
          {(uintptr_t)&gcstate->permanent_generation.head,
           (uintptr_t)&gcstate->permanent_generation.head}, 0, 0
    };
    gcstate->permanent_generation = permanent_generation;
}

|---------------------------|--------------------------|--------------------------|
| 0代 | 1代 | 2代 |
| 阈值700 | 阈值10次 | 阈值10次 |
| 当0代链表超过了700个对象就会触发垃圾回收机制 | 当0代触发了10次垃圾回收机制就会触发1代回收 | 当1代触发了10垃圾回收机制就会触发2代的回收 |

四、缓存机制

反复的创建和销毁会使程序执行效率低下，Python引入了缓存机制。

1、float 类型，维护的free_list链表可缓存100个float对象

cpp 复制代码

demo_f1 = 4.44
print(id(demo_f1))# 2346495219728
# 删除demo_f1
del demo_f1
demo_f2 = 999.9 
print(id((demo_f2))) #2346495219728

复制代码

2、int类型，不是基于free_list,而是维护一个small_list链表保存常见的数据（小数池），-5<=value<=257

cpp 复制代码

demo_int = 200
print(id(demo_int)) #140722188028384
del demo_int
demo_int2 = 200
print(id(demo_int2)) #140722188028384

3、str类型,维护unicode_latin1[256]链表，内部将所有的ASCill缓存起来。

cpp 复制代码

demo_str = "A"
print(id(demo_str))#2281351493296

del demo_str
demo_str1 = "A"
print(id(demo_str1))#2281351493296

复制代码

4、List类型，维护free_list数组最多可以缓存80list对象

cpp 复制代码

demo_list = [1,2,3]
print(id(demo_list))#1522843472456

del demo_list
demo_list1 = [4,5,6]
print(id(demo_list1))#1522843472456

5、tuple类型，维护一个free_list数组且数组的容量为20，数组中的元素可以是链表且每个链表最多可以容纳2000个元祖对象。

cpp 复制代码

s = (1,2,3)
print(id(s)) # 2575098184312

del s

s1 = (4,5,6)
print(id(s1)) # 2575098184312

6、dict类型，维护的free_list数组最多可以缓存80个dict对象。

cpp 复制代码

demo_dict = {"name":'lw'}
print(id(demo_dict))# 2541345852296
del demo_dict
demo_dict1 = {"name":"lw"}
print(id(demo_dict1))# 2541345852296

数据类型	缓存容量
int类型	small_list链表保存常见的数据（小数池），-5<=value<=257。
str类型	维护unicode_latin1[256]链表，内部将所有的的ASCII缓存起来
float类型	free_list链表可缓存100个float对象
List类型	维护free_list数组最多可以缓存80个list对象
tuple类型	维护一个free_list数组且数组的容量为20，数组中的元素可以是链表且每个链表最多可以容纳2000个元祖对象。
dict类型	维护的free_list数组最多可以缓存80个dict对象

五、小结

问：你知道Python的垃圾回收机制吗？谈谈你的理解。

Python中垃圾回收机制，以引用计数器为主，标记清除和分代回收为辅。一般来说，通过引用计数器即可解决变量使用，但如果是互相引用的数据类型就需要标记清除的技术，分代回收是解决什么时候清除，清除多少。

[参考] pythonav资源分享https://pythonav.com/wiki/detail/6/88/#1.%20%E7%99%BD%E8%AF%9D%E5%9E%83%E5%9C%BE%E5%9B%9E%E6%94%B6 mirrors / python / cpythonhttps://gitcode.net/mirrors/python/cpython