当前位置：首页 > news >正文

Python3--垃圾回收机制

news 2025/7/9 5:36:43

一、概述

Python 内部采用 引用计数法，为每个对象维护引用次数，并据此回收不在需要的垃圾对象。由于引用计数法存在重大缺陷，循环引用时由内存泄露风险，因此Python还采用 标记清除法 来回收在循环引用的垃圾对象。此外，为了提高垃圾回收（GC）效率，Python还引入了 分代回收机制。

二、3种回收方法介绍

1、引用计数法

1.引用计数法案例

        Python采用了类似Windows内核对象一样的方式来对内存进行管理。每一个对象，都维护这一个对指向该对对象的引用的计数。

        引用计数 是计算机编程语言中的一种 内存管理技术 ，它将资源被引用的次数保存起来，当引用次数变为 0 时就将资源释放。它管理的资源并不局限于内存，还可以是对象、磁盘空间等等。
        Python 也使用引用计数这种方式来管理内存，每个 Python 对象都包含一个公共头部，头部中的 ob_refcnt 字段便用于维护对象被引用次数。

        一个典型的 Python 对象结构如下：

        当创建一个对象实例时，先在堆上为对象申请内存，对象的引用计数被初始化为 1 。以 Python 为例，我们创建一个 float 对象保存6.66，并把它赋值到变量 f ：
>>> import sys
>>> f = 6.66
>>> sys.getrefcount(f)
2
'''
引用计数器赋值是1，结果输出的是2
原因：初始化引用计数器赋值是1，当把对象作为函数参数传递给sys模块时，
会产生一个临时的引用，当输出这个值的时候永远要比实际+1，但实际他还是1sys.getrefcount()函数返回指定对象的引用计数。
引用计数是一种追踪Python对象生命周期的技术，它表示指向该对象的引用数量。
'''
当把 f 赋值给 ff 后，float对象的引用计数就变成了2，因为现在有两个变量在引用它
>>> ff = f
>>> sys.getrefcount(f)
3
新建一个 list 对象，并把 float 对象保存在里面。这样一来，float 对象有多了一个来自 list 对象的引用，因此它的引用计数又加一，变成 3 了：
>>> l = [f]
>>> l      
[4.56]
>>> sys.getrefcount(f)
4
        引用计数不应该是 3 吗？为什么会是 4 呢？由于 float 对象被作为参数传给 getrefcount 函数，它在函数执行过程中作为函数的局部变量存在，创建了一个临时的引用，因此又多了一个引用：

        随着 getrefcount 函数执行完毕并返回，它的栈帧对象将从调用链中解开并销毁，这时 float 对象的引用计数也跟着下降。因此，当一个对象作为参数传个函数后，它的引用计数将加一；当函数返回，局部名字空间销毁后，对象引用计数又减一。
        引用计数就这样随着引用关系的变动，不断变化着。当所有引用都消除后，引用计数就降为零，这时 Python 就可以安全地销毁对象，回收内存了：
>>> del l
>>> del ff
>>> del f 
>>> sys.getrefcount(f)

2.引用计数增加

对象被创建
如果有新的对象使用该对象
作为容器对象的一个元素
被作为参数传递给函数

3.引用计数减少

对象的引用被显示的销毁
新对象不在使用该对象
对象从列表中被移除，或者列表对象本身被销毁
函数调用结束

4.引用机制优点

简单
实时性：一旦没有引用，内存就直接释放了。

5.引用机制缺点

维护引用计数消耗资源
循环引用的问题无法解决
a = [1,2]
b = [3,4]
a.append(b) #b的计数器2
b.append(a) #a的计数器2
del a
del b

2、标记-清除法

1. 对比引用计数法

引用计数法能够解决大多数垃圾回收的问题，但是遇到两个对象相互引用的情况，del语句可以减少引用次数，但是引用计数不会归0，对象也就不会被销毁，从而造成了内存泄漏问题。针对该情况，Python引入了标记-清除机制

2. 循环引用

引用计数这种管理内存的方式虽然很简单，但是有一个比较大的瑕疵，即它不能很好的解决循环引用问题。如上图所示：对象 A 和对象 B，相互引用了对方作为自己的成员变量，只有当自己销毁时，才会将成员变量的引用计数减 1。因为对象 A 的销毁依赖于对象 B销毁，而对象 B 的销毁与依赖于对象 A 的销毁，这样就造成了我们称之为循环引用（Reference Cycle）的问题，这两个对象即使在外界已经没有任何指针能够访问到它们了，它们也无法被释放。

class People:
pass
class Cat:
pass
#创建People的实例对象
p = People()
#创建Cat的实例对象
c = Cat()
#People的宠物属性指向Cat
p.pet = c
#Cat的主人属性指向People
c.master = p
#删除p和c对象
del p
del c

        上述实例中，对象p中的属性引用c，而对象c中属性同时来引用p，从而造成仅仅删除p和c对象，也无法释放其内存空间，因为他们依然在被引用。深入解释就是，循环引用后，p和c被引用个数为2，删除p和c对象后，两者被引用个数变为1，并不是0，而python只有在检查到一个对象的被引用个数为0时，才会自动释放其内存，所以这里无法释放p和c的内存空间。
        主动思路一般分为两步：垃圾识别 和 垃圾回收 。垃圾对象被识别出来后，回收就只是自然而然的工作了，因此垃圾识别是解决问题的关键。那么，有什么办法可以将垃圾对象识别出来呢？我们来考察一个一般化例子：

         这是一个对象引用关系图，其中灰色部分是需要回收但由于循环引用而无法回收的垃圾对象，绿色部分是被程序引用而不能回收的活跃对象。如果我们能够将活跃对象逐个遍历并标记，那么最后没有被标记的对象就是垃圾对象。
        遍历活跃对象，第一步需要找出 根对象 ( root object )集合。所谓根对象，就是指被全局引用或者在栈中引用的对象，这部分对象是不能被删除的。因此，我们将这部分对象标记为绿色，作为活跃对象遍历的起点。

        根对象本身是 可达的 ( reachable )，不能删除；被根对象引用的对象也是可达的，同样不能删除；以此类推。我们从一个根对象出发，沿着引用关系遍历，遍历到的所有对象都是可达的，不能删除

         这样一来，当我们遍历完所有根对象，活跃对象也就全部找出来了：

         而没有被标色的对象就是 不可达 ( unreachable )的垃圾对象，可以被安全回收。循环引用的致命缺陷完美解决了！

这就是垃圾回收中常用的标记清除法。

3. 【示例】标记清除法

下图中小黑点（变量）表示根节点，从根节点出发，每个对象都有引用和被引用的情况，如果该对象找不到根节点，那么就会被清除，如图1,2,3都有被小黑点（变量）引用，4,5没有变量引用，所以4,5就会被清除。

3、分代回收机制

1. 分代回收机制

        Python 程序启动后，内部可能会创建大量对象。如果每次执行标记清除法时，都需要遍历所有对象，多半会影响程序性能。为此，Python 引入分代回收机制——将对象分为若干“代”( generation )，每次只处理某个代中的对象，因此 GC 卡顿时间更短。

        考察对象的生命周期，可以发现一个显著特征：一个对象存活的时间越长，它下一刻被释放的概率就越低。我们应该也有这样的亲身体会：经常在程序中创建一些临时对象，用完即刻释放；而定义为全局变量的对象则极少释放。

        因此，根据对象存活时间，对它们进行划分就是一个不错的选择。对象存活时间越长，它们被释放的概率越低，可以适当降低回收频率；相反，对象存活时间越短，它们被释放的概率越高，可以适当提高回收频率。

对象存活时间释放概率回收频率
长低低
短高高
        Python 内部根据对象存活时间，将对象分为 3 代(见Include/internal/mem.h )：
 #define NUM_GENERATIONS 3
随着时间的推进，程序冗余对象逐渐增多，达到一定阈值，系统进行回收。

这 3 个代分别称为：初生代、中生代以及老生代。当这 3 个代初始化完毕后，对应的 gc_generation 数组大概是这样的：
import gc
#python 中内置模块gc触发
print(gc.get_threshold()) #查看gc默认值
#输出(700, 10, 10)

2. 第一代链表

当第一代达到700，就开始检测哪些对象引用计数变成0了，把不是0的放到第二代链表里，此时第一代链表就是空了，当再次达到700时，就再检测一遍。

3.第二代链表

当第二代链表达到10，就检测一次。

4.第三代链表

第三代链表检测10之后，第三代链表检测一次。

import gc
#返回一个元组，分别获取这三代当前计数
gc.get_count()
#返回一个元组，分别获取这三代当前的收集阈值
gc.get_threshold()
#设置阈值
gc.set_threshold()
#关闭gc垃圾回收机制
gc.disable()

对象存活时间	释放概率	回收频率
长	低	低
短	高	高