Python 為開(kāi)發(fā)者提供了許多便利，其中最大的便利之一是其幾乎無(wú)憂的內(nèi)存管理。開(kāi)發(fā)者無(wú)需手動(dòng)為 Python 中的對(duì)象和數(shù)據(jù)結(jié)構(gòu)分配、跟蹤和釋放內(nèi)存。運(yùn)行時(shí)會(huì)為你完成所有這些工作，因此你可以專(zhuān)注于解決實(shí)際問(wèn)題，而不是爭(zhēng)論機(jī)器級(jí)細(xì)節(jié)。
盡管如此，即使是經(jīng)驗(yàn)不多的 Python 用戶，了解 Python 的垃圾收集和內(nèi)存管理是如何工作的也是有好處的。了解這些機(jī)制將幫助你避免更復(fù)雜的項(xiàng)目可能出現(xiàn)的性能問(wèn)題。你還可以使用 Python 的內(nèi)置工具來(lái)監(jiān)控程序的內(nèi)存管理行為。
Python如何管理內(nèi)存
每個(gè) Python 對(duì)象都有一個(gè)引用計(jì)數(shù)，也稱(chēng)為引用計(jì)數(shù)。 refcount 是持有對(duì)給定對(duì)象的引用的其他對(duì)象總數(shù)的計(jì)數(shù)。當(dāng)你添加或刪除對(duì)對(duì)象的引用時(shí)，數(shù)字會(huì)上升或下降。當(dāng)一個(gè)對(duì)象的引用計(jì)數(shù)變?yōu)榱銜r(shí)，該對(duì)象將被釋放并釋放其內(nèi)存。
什么是參考？允許通過(guò)名稱(chēng)或通過(guò)另一個(gè)對(duì)象中的訪問(wèn)器訪問(wèn)對(duì)象的任何內(nèi)容。
這是一個(gè)簡(jiǎn)單的例子：
x = "Hello there"
當(dāng)我們向 Python 發(fā)出這個(gè)命令時(shí)，引擎蓋下會(huì)發(fā)生兩件事：
- 該字符串"Hello there"作為 Python 對(duì)象創(chuàng)建并存儲(chǔ)在內(nèi)存中。
- 該名稱(chēng)x在本地命名空間中創(chuàng)建并指向該對(duì)象，這會(huì)將其引用計(jì)數(shù)增加 1 到 1。
如果我們說(shuō)y = x，那么引用計(jì)數(shù)將再次提高到 2。
每當(dāng)xandy超出范圍或從它們的命名空間中刪除時(shí)，對(duì)于每個(gè)名稱(chēng)，字符串的引用計(jì)數(shù)都會(huì)減少 1。一旦x和y都超出范圍或被刪除，字符串的引用計(jì)數(shù)變?yōu)?0 并被刪除。
現(xiàn)在，假設(shè)我們創(chuàng)建了一個(gè)包含字符串的列表，如下所示：
x = ["Hello there", 2, False]
字符串保留在內(nèi)存中，直到列表本身被刪除或包含字符串的元素從列表中刪除。這些操作中的任何一個(gè)都將導(dǎo)致唯一持有對(duì)字符串的引用的事物消失。
現(xiàn)在考慮這個(gè)例子：
x = "Hello there" y = [x]
如果我們從 中刪除第一個(gè)元素y，或者完全刪除列表y，則字符串仍在內(nèi)存中。這是因?yàn)槊Q(chēng)x包含對(duì)它的引用。
Python 中的引用循環(huán)
在大多數(shù)情況下，引用計(jì)數(shù)工作正常。但有時(shí)你會(huì)遇到兩個(gè)對(duì)象各自持有對(duì)彼此的引用的情況。這稱(chēng)為 參考周期。在這種情況下，對(duì)象的引用計(jì)數(shù)永遠(yuǎn)不會(huì)達(dá)到零，也永遠(yuǎn)不會(huì)從內(nèi)存中刪除。
這是一個(gè)人為的例子：
x = SomeClass()
y = SomeOtherClass()
x.item = y
y.item = x
由于x并y持有彼此的引用，因此它們永遠(yuǎn)不會(huì)從系統(tǒng)中刪除——即使沒(méi)有其他任何東西引用它們中的任何一個(gè)。
Python 自己的運(yùn)行時(shí)為對(duì)象生成引用循環(huán)實(shí)際上是相當(dāng)普遍的。一個(gè)示例是帶有包含對(duì)異常本身的引用的回溯對(duì)象的異常。
在Python的早期版本中，這是一個(gè)問(wèn)題。具有引用周期的對(duì)象可能會(huì)隨著時(shí)間的推移而累積，這對(duì)于長(zhǎng)時(shí)間運(yùn)行的應(yīng)用程序來(lái)說(shuō)是一個(gè)大問(wèn)題。但 Python 此后引入了循環(huán)檢測(cè)和垃圾收集系統(tǒng)，用于管理引用循環(huán)。
Python 垃圾收集器 (gc)
Python 的垃圾收集器檢測(cè)具有引用周期的對(duì)象。它通過(guò)跟蹤作為“容器”的對(duì)象（例如列表、字典、自定義類(lèi)實(shí)例）并確定其中的哪些對(duì)象無(wú)法在其他任何地方訪問(wèn)來(lái)實(shí)現(xiàn)這一點(diǎn)。
一旦這些對(duì)象被挑選出來(lái)，垃圾收集器就會(huì)通過(guò)確保它們的引用計(jì)數(shù)可以安全地降為零來(lái)刪除它們。
絕大多數(shù) Python 對(duì)象沒(méi)有引用周期，因此垃圾收集器不需要 24/7 運(yùn)行。相反，垃圾收集器使用一些啟發(fā)式方法來(lái)減少運(yùn)行頻率，并且每次都盡可能高效地運(yùn)行。
當(dāng) Python 解釋器啟動(dòng)時(shí)，它會(huì)跟蹤已分配但未釋放的對(duì)象數(shù)量。絕大多數(shù) Python 對(duì)象的生命周期都很短，因此它們會(huì)迅速出現(xiàn)和消失。但隨著時(shí)間的推移，更多長(zhǎng)壽的物體會(huì)出現(xiàn)。一旦超過(guò)一定數(shù)量的此類(lèi)對(duì)象堆積起來(lái)，垃圾收集器就會(huì)運(yùn)行。
每次垃圾收集器運(yùn)行時(shí)，它都會(huì)收集所有在收集中幸存下來(lái)的對(duì)象，并將它們放在一個(gè)稱(chēng)為一代的組中。這些“第一代”對(duì)象在參考周期中被掃描的頻率較低。任何在垃圾收集器中幸存下來(lái)的第一代對(duì)象最終都會(huì)遷移到第二代，在那里它們被掃描得更少。
同樣，垃圾收集器不會(huì)跟蹤所有內(nèi)容。例如，像用戶創(chuàng)建的類(lèi)這樣的復(fù)雜對(duì)象總是被跟蹤。但是不會(huì)跟蹤僅包含簡(jiǎn)單對(duì)象（如整數(shù)和字符串）的字典，因?yàn)樵撎囟ㄗ值渲械娜魏螌?duì)象都不會(huì)包含對(duì)其他對(duì)象的引用。不能保存對(duì)其他元素（如整數(shù)和字符串）的引用的簡(jiǎn)單對(duì)象永遠(yuǎn)不會(huì)被跟蹤。
如何使用 gc 模塊
通常，垃圾收集器不需要調(diào)整即可運(yùn)行良好。Python 的開(kāi)發(fā)團(tuán)隊(duì)選擇了反映最常見(jiàn)現(xiàn)實(shí)世界場(chǎng)景的默認(rèn)值。但是如果你確實(shí)需要調(diào)整垃圾收集的工作方式，你可以使用Python 的 gc 模塊。該gc模塊為垃圾收集器的行為提供編程接口，并提供對(duì)正在跟蹤的對(duì)象的可見(jiàn)性。
gc當(dāng)你確定不需要垃圾收集器時(shí)，你可以做的一件有用的事情是關(guān)閉它。例如，如果你有一個(gè)堆放大量對(duì)象的短運(yùn)行腳本，則不需要垃圾收集器。腳本結(jié)束時(shí)，所有內(nèi)容都將被清除。為此，你可以使用命令禁用垃圾收集器gc.disable()。稍后，你可以使用 重新啟用它gc.enable()。
你還可以使用 手動(dòng)運(yùn)行收集周期gc.collect()。一個(gè)常見(jiàn)的應(yīng)用是管理程序的性能密集型部分，該部分會(huì)生成許多臨時(shí)對(duì)象。你可以在程序的該部分禁用垃圾收集，然后在最后手動(dòng)運(yùn)行收集并重新啟用收集。
另一個(gè)有用的垃圾收集優(yōu)化是gc.freeze(). 發(fā)出此命令時(shí)，垃圾收集器當(dāng)前跟蹤的所有內(nèi)容都被“凍結(jié)”，或者被列為免于將來(lái)的收集掃描。這樣，未來(lái)的掃描可以跳過(guò)這些對(duì)象。如果你有一個(gè)程序在啟動(dòng)之前導(dǎo)入庫(kù)并設(shè)置大量?jī)?nèi)部狀態(tài)，那么你可以gc.freeze()在所有工作完成后發(fā)出。這使垃圾收集器不必搜尋那些無(wú)論如何都不太可能被刪除的東西。（如果你想對(duì)凍結(jié)的對(duì)象再次執(zhí)行垃圾收集，請(qǐng)使用gc.unfreeze().）
使用 gc 調(diào)試?yán)占?/span>
你還可以使用它gc來(lái)調(diào)試?yán)占袨?。如果你有過(guò)多的對(duì)象堆積在內(nèi)存中并且沒(méi)有被垃圾收集，你可以使用gc's 檢查工具來(lái)找出可能持有對(duì)這些對(duì)象的引用的對(duì)象。
如果你想知道哪些對(duì)象持有對(duì)給定對(duì)象的引用，可以使用gc.get_referrers(obj)列出它們。你還可以使用gc.get_referents(obj)來(lái)查找給定對(duì)象引用的任何對(duì)象。
如果你不確定給定對(duì)象是否是垃圾收集的候選對(duì)象，gc.is_tracked(obj)請(qǐng)告訴你垃圾收集器是否跟蹤該對(duì)象。如前所述，請(qǐng)記住垃圾收集器不會(huì)跟蹤“原子”對(duì)象（例如整數(shù)）或僅包含原子對(duì)象的元素。
如果你想親自查看正在收集哪些對(duì)象，可以使用 設(shè)置垃圾收集器的調(diào)試標(biāo)志gc.set_debug(gc.DEBUG_LEAK|gc.DEBUG_STATS)。這會(huì)將有關(guān)垃圾收集的信息寫(xiě)入stderr。它將所有作為垃圾收集的對(duì)象保留在只讀列表中。
避免 Python 內(nèi)存管理中的陷阱
如前所述，如果你在某處仍有對(duì)它們的引用，則對(duì)象可能會(huì)堆積在內(nèi)存中而不會(huì)被收集。這并不是 Python 垃圾收集本身的失敗。垃圾收集器無(wú)法判斷你是否不小心保留了對(duì)某物的引用。
讓我們以一些防止對(duì)象永遠(yuǎn)不會(huì)被收集的指針作為結(jié)尾。
注意對(duì)象范圍
如果你將對(duì)象 1 指定為對(duì)象 2 的屬性（例如類(lèi)），則對(duì)象 2 將需要超出范圍，然后對(duì)象 1 才會(huì)：
obj1 = MyClass()
obj2.prop = obj1
更重要的是，如果這種情況發(fā)生在某種其他操作的副作用中，例如將對(duì)象 2 作為參數(shù)傳遞給對(duì)象 1 的構(gòu)造函數(shù)，你可能不會(huì)意識(shí)到對(duì)象 1 持有一個(gè)引用：
obj1 = MyClass(obj2)
另一個(gè)例子：如果你將一個(gè)對(duì)象推入模塊級(jí)列表并忘記該列表，則該對(duì)象將一直保留，直到從列表中刪除，或者直到列表本身不再有任何引用。但是如果該列表是一個(gè)模塊級(jí)對(duì)象，它可能會(huì)一直存在，直到程序終止。
簡(jiǎn)而言之，請(qǐng)注意你的對(duì)象可能被另一個(gè)看起來(lái)并不總是很明顯的對(duì)象持有的方式。
使用 weakref避免引用循環(huán)
Python 的 weakref 模塊允許你創(chuàng)建對(duì)其他對(duì)象的弱引用。弱引用不會(huì)增加對(duì)象的引用計(jì)數(shù)，因此只有弱引用的對(duì)象是垃圾回收的候選對(duì)象。
一個(gè)常見(jiàn)的用途weakref是對(duì)象緩存。你不希望僅僅因?yàn)樗哂芯彺鏃l目而保留引用的對(duì)象，因此你將 aweakref用于緩存條目。
手動(dòng)中斷參考循環(huán)
最后，如果你知道給定對(duì)象包含對(duì)另一個(gè)對(duì)象的引用，你總是可以手動(dòng)中斷對(duì)該對(duì)象的引用。例如，如果你有instance_of_class.ref = other_object，你可以設(shè)置instance_of_class.ref = None何時(shí)準(zhǔn)備刪除 instance_of_class。
通過(guò)了解 Python 內(nèi)存管理的工作原理，我們對(duì)其垃圾收集系統(tǒng)如何幫助優(yōu)化 Python 程序中的內(nèi)存，以及如何使用標(biāo)準(zhǔn)庫(kù)和其他地方提供的模塊來(lái)控制內(nèi)存使用和垃圾收集。
原文標(biāo)題：??Python garbage collection and the gc module??
