纵有疾风起
人生不言弃

Python内存管理机制


Python的内存管理机制引入计数垃圾回收内存池机制

一、变量与对象

关系图如下:

Python内存管理机制插图

1、变量,通过变量指针引用对象

  变量指针指向具体对象的内存空间,取对象的值。

2、对象,类型已知,每个对象都包含一个头部信息(头部信息:类型标识符和引用计数器)

注意:

  变量名没有类型,类型属于对象(因为变量引用对象,所以类型随对象),变量引用什么类型的对象,变量就是什么类型的。

In [32]: var1=objectIn [33]: var2=var1
In [
34]: id(var1)Out[34]: 139697863383968In [35]: id(var2)Out[35]: 139697863383968

PS:id()是python的内置函数,用于返回对象的身份,即对象的内存地址。

Python内存管理机制插图(1)

In [39]: a=123In [40]: b=aIn [41]: id(a)Out[41]: 23242832In [42]: id(b)Out[42]: 23242832In [43]: a=456In [44]: id(a)Out[44]: 33166408In [45]: id(b)Out[45]: 23242832

3、引用所指判断

  通过is进行引用所指判断,is是用来判断两个引用所指的对象是否相同。

整数

In [46]: a=1In [47]: b=1In [48]: print(a is b)True

短字符串

In [49]: c="good"In [50]: d="good"In [51]: print(c is d)True

长字符串

In [52]: e="very good"In [53]: f="very good"In [54]: print(e is f)False

列表

In [55]: g=[]In [56]: h=[]In [57]: print(g is h)False

由运行结果可知:

  1、Python缓存了整数和短字符串,因此每个对象在内存中只存有一份,引用所指对象就是相同的,即使使用赋值语句,也只是创造新的引用,而不是对象本身;

  2、Python没有缓存长字符串、列表及其他对象,可以由多个相同的对象,可以使用赋值语句创建出新的对象。

 

二、引用计数

  在Python中,每个对象都有指向该对象的引用总数—引用计数

  查看对象的引用计数:sys.getrefcount()

1、普通引用

In [2]: import sysIn [3]: a=[1,2,3]In [4]: getrefcount(a)Out[4]: 2In [5]: b=aIn [6]: getrefcount(a)Out[6]: 3In [7]: getrefcount(b)Out[7]: 3

注意:

  当使用某个引用作为参数,传递给getrefcount()时,参数实际上创建了一个临时的引用。因此,getrefcount()所得到的结果,会比期望的多1。

2、容器对象

  Python的一个容器对象(比如:表、词典等),可以包含多个对象。

In [12]: a=[1,2,3,4,5]In [13]: b=aIn [14]: a is bOut[14]: TrueIn [15]: a[0]=6   In [16]: aOut[16]: [6, 2, 3, 4, 5]In [17]: a is bOut[17]: TrueIn [18]: bOut[18]: [6, 2, 3, 4, 5]

Python内存管理机制插图(2)

由上可见,实际上,容器对象中包含的并不是元素对象本身,是指向各个元素对象的引用。

3、引用计数增加

  1、对象被创建

In [39]: getrefcount(123)Out[39]: 6In [40]: n=123In [41]: getrefcount(123)Out[41]: 7

  2、另外的别人被创建

In [42]: m=nIn [43]: getrefcount(123)Out[43]: 8

  3、作为容器对象的一个元素

In [44]: a=[1,12,123]In [45]: getrefcount(123)Out[45]: 9

  4、被作为参数传递给函数:foo(x)

4、引用计数减少

  1、对象的别名被显式的销毁

In [46]: del mIn [47]: getrefcount(123)Out[47]: 8

  2、对象的一个别名被赋值给其他对象

In [48]: n=456In [49]: getrefcount(123)Out[49]: 7

  3、对象从一个窗口对象中移除,或,窗口对象本身被销毁

In [50]: a.remove(123)In [51]: aOut[51]: [1, 12]In [52]: getrefcount(123)Out[52]: 6

  4、一个本地引用离开了它的作用域,比如上面的foo(x)函数结束时,x指向的对象引用减1。

 

三、垃圾回收

  当Python中的对象越来越多,占据越来越大的内存,启动垃圾回收(garbage collection),将没用的对象清除。

1、原理

  当Python的某个对象的引用计数降为0时,说明没有任何引用指向该对象,该对象就成为要被回收的垃圾。比如某个新建对象,被分配给某个引用,对象的引用计数变为1。如果引用被删除,对象的引用计数为0,那么该对象就可以被垃圾回收。

In [74]: a=[321,123]In [75]: del a

2、解析del

  del a后,已经没有任何引用指向之前建立的[321,123],该表引用计数变为0,用户不可能通过任何方式接触或者动用这个对象,当垃圾回收启动时,Python扫描到这个引用计数为0的对象,就将它所占据的内存清空。

3、注意

  1、垃圾回收时,Python不能进行其它的任务,频繁的垃圾回收将大大降低Python的工作效率;

  2、Python只会在特定条件下,自动启动垃圾回收(垃圾对象少就没必要回收)

  3、当Python运行时,会记录其中分配对象(object allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时,垃圾回收才会启动。

In [93]: import gcIn [94]: gc.get_threshold()  #gc模块中查看阈值的方法Out[94]: (700, 10, 10)

阈值分析:

  700即是垃圾回收启动的阈值;

  每10次0代垃圾回收,会配合1次1代的垃圾回收;而每10次1代的垃圾回收,才会有1次的2代垃圾回收;

当然也是可以手动启动垃圾回收: 

In [95]: gc.collect()    #手动启动垃圾回收Out[95]: 2

4、何为分代回收

  Python将所有的对象分为0,1,2三代;

  所有的新建对象都是0代对象;

  当某一代对象经历过垃圾回收,依然存活,就被归入下一代对象。

 

四、内存池机制

  Python中有分为大内存和小内存:(256K为界限分大小内存)

1、大内存使用malloc进行分配

2、小内存使用内存池进行分配

3、Python的内存池(金字塔)

  第3层:最上层,用户对Python对象的直接操作

  第1层和第2层:内存池,有Python的接口函数PyMem_Malloc实现—–若请求分配的内存在1~256字节之间就使用内存池管理系统进行分配,调用malloc函数分配内存,但是每次只会分配一块大小为256K的大块内存,不会调用free函数释放内存,将该内存块留在内存池中以便下次使用。

  第0层:大内存—–若请求分配的内存大于256K,malloc函数分配内存,free函数释放内存。

  第-1,-2层:操作系统进行操作

 Python内存管理机制插图(3)

文章转载于:https://www.cnblogs.com/geaozhang/p/7111961.html

原著是一个有趣的人,若有侵权,请通知删除

未经允许不得转载:起风网 » Python内存管理机制

分享到: 生成海报
avatar

评论 抢沙发

评论前必须登录!

立即登录   注册

切换注册

登录

忘记密码 ?

切换登录

注册

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活