Python のメモリ管理の詳細な紹介

言語のメモリ管理は言語設計の重要な側面です。これは言語のパフォーマンスを決定する重要な要素です。 C 言語での手動管理であれ、Java でのガベージ コレクションであれ、それらは言語の最も重要な機能となっています。ここでは、Python 言語を例として取り上げ、動的に型付けされたオブジェクト指向 言語のメモリ管理方法を説明します。

オブジェクトのメモリ使用量

代入ステートメントは、この言語の最も一般的な機能です。しかし、最も単純な代入ステートメントであっても、非常に意味のあるものになる可能性があります。 Python の代入ステートメントは研究する価値があります。

a = 1

整数 1 はオブジェクトです。そして、aは参考資料です。代入ステートメントを使用して、オブジェクト 1 を指す a を参照します。 Python は動的型付け言語 (動的型付けを参照) であり、オブジェクトと参照は分離されています。 Python は「箸」を使用して、参照を通じて実際の食品オブジェクトに触れたり、ひっくり返したりします。



参照とオブジェクト
メモリ内のオブジェクトのストレージを調べるには、Python の 組み込み関数 id() を利用できます。オブジェクトの ID を返すために使用されます。実際、ここでのいわゆるアイデンティティは、オブジェクトのメモリ アドレスです。

a = 1

print(id(a))
print(hex(id(a)))

私のコンピュータでは、メモリアドレスの10進数表現と16進数表現のそれぞれ

11246696

'0xab9c68'

が返されます。

Python では、整数と短い文字のこれらのオブジェクトを再利用できるように キャッシュします。 1 に等しい複数の参照を作成すると、実際にはこれらすべての参照が同じオブジェクトを指すようになります。

a = 1
b = 1

print(id(a))
print(id(b))

上記のプログラムは

11246696

11246696

を返します。 a と b は実際には同じオブジェクトを指す 2 つの参照であることがわかります。

2 つの参照が同じオブジェクトを指していることを確認するには、is キーワードを使用できます。 is は、2 つの参照が指すオブジェクトが同じであるかどうかを判断するために使用されます。

# Truea = 1
b = 1
print(a is b)

# True
a = "good"
b = "good"
print(a is b)

# False
a = "very good morning"
b = "very good morning"
print(a is b)

# False
a = []
b = []
print(a is b)

上記のメモは、対応する実行結果です。ご覧のとおり、Python は整数と短い文字列をキャッシュするため、各オブジェクトのコピーは 1 つだけ存在します。たとえば、整数 1 へのすべての参照は同じオブジェクトを指します。代入ステートメントを使用する場合でも、オブジェクト自体ではなく、新しい参照を作成するだけです。長い文字列やその他のオブジェクトには複数の同一オブジェクトを含めることができ、代入ステートメントを使用して新しいオブジェクトを作成できます。

Python では、各オブジェクトは、そのオブジェクトを指す参照の総数、つまり参照カウント (参照 count) を持ちます。

sys パッケージの getrefcount() を使用して、オブジェクトの参照カウントを表示できます。参照がパラメータとして getrefcount() に渡されると、そのパラメータは実際には一時的な参照を作成することに注意してください。したがって、getrefcount() によって得られる結果は予想より 1 多くなります。

from sys import getrefcount

a = [1, 2, 3]
print(getrefcount(a))

b = a
print(getrefcount(b))

上記の理由により、2 つの getrefcount は、予期される 1 と 2 ではなく、2 と 3 を返します。

オブジェクト参照オブジェクト

テーブルやディクショナリなど、Python のコンテナ オブジェクト (コンテナ) には、複数のオブジェクトを含めることができます。実際、コンテナ オブジェクトに含まれるのは要素オブジェクトそのものではなく、各要素オブジェクトへの参照です。

オブジェクトをカスタマイズして他のオブジェクトを参照することもできます:

class from_obj(object):
  def init(self, to_obj):
    self.to_obj = to_obj

b = [1,2,3]
a = from_obj(b)
print(id(a.to_obj))
print(id(b))

a がオブジェクト b を参照していることがわかります。

オブジェクト参照オブジェクトは、Python を構造化する最も基本的な方法です。代入メソッド a = 1 でも、実際には辞書のキー値「a」を持つ要素が整数オブジェクト 1 を参照します。この辞書オブジェクトは、すべてのグローバル参照を記録するために使用されます。辞書は整数オブジェクト 1 を参照します。この辞書は、組み込み関数 globals() を通じて表示できます。

オブジェクト A が別のオブジェクト B によって参照されると、A の参照カウントが 1 増加します。

from sys import getrefcount

a = [1, 2, 3]
print(getrefcount(a))

b = [a, a]
print(getrefcount(a))

オブジェクト b は a を 2 回参照するため、a の参照数は 2 増加します。

コンテナ オブジェクトへの参照は、非常に複雑なトポロジー構造を形成する場合があります。 objgraph パ​​ッケージを使用すると、

x = [1, 2, 3]
y = [x, dict(key1=x)]
z = [y, (x, y)]

import objgraph
objgraph.show_refs([z], filename='ref_topo.png')

objgraph などの参照関係を描画できます。objgraph は Python 用のサードパーティ パッケージです。インストール前に xdot をインストールする必要があります。

sudo apt-get install xdot
sudo pip install objgraph

2 つのオブジェクトは相互に参照し、いわゆる参照サイクルを形成することがあります。

a = []
b = [a]
a.append(b)

それ自体を参照する必要があるだけのオブジェクトでも、参照サイクルを形成することができます。

a = []
a.append(a)
print(getrefcount(a))

引用环会给垃圾回收机制带来很大的麻烦，我将在后面详细叙述这一点。

引用减少

某个对象的引用计数可能减少。比如，可以使用del关键字删除某个引用:

from sys import getrefcount

a = [1, 2, 3]
b = a
print(getrefcount(b))

del a
print(getrefcount(b))

del也可以用于删除容器元素中的元素，比如:

a = [1,2,3]
del a[0]
print(a)

如果某个引用指向对象A，当这个引用被重新定向到某个其他对象B时，对象A的引用计数减少:

from sys import getrefcount

a = [1, 2, 3]
b = a
print(getrefcount(b))
a = 1
print(getrefcount(b))

垃圾回收

吃太多，总会变胖，Python也是这样。当Python中的对象越来越多，它们将占据越来越大的内存。不过你不用太担心Python的体形，它会乖巧的在适当的时候“减肥”，启动垃圾回收(garbage collection)，将没用的对象清除。在许多语言中都有垃圾回收机制，比如Java和Ruby。尽管最终目的都是塑造苗条的提醒，但不同语言的减肥方案有很大的差异 (这一点可以对比本文和Java内存管理与垃圾回收)。

从基本原理上，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了。比如某个新建对象，它被分配给某个引用，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。比如下面的表:

a = [1, 2, 3]
del a

del a后，已经没有任何引用指向之前建立的[1, 2, 3]这个表。用户不可能通过任何方式接触或者动用这个对象。这个对象如果继续待在内存里，就成了不健康的脂肪。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。

然而，减肥是个昂贵而费力的事情。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。如果内存中的对象不多，就没有必要总启动垃圾回收。所以，Python只会在特定条件下，自动启动垃圾回收。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。

我们可以通过gc模块的get_threshold()方法，查看该阈值:

import gc
print(gc.get_threshold())

返回(700, 10, 10)，后面的两个10是与分代回收相关的阈值，后面可以看到。700即是垃圾回收启动的阈值。可以通过gc中的set_threshold()方法重新设置。

我们也可以手动启动垃圾回收，即使用gc.collect()。

分代回收

Python同时采用了分代(generation)回收的策略。这一策略的基本假设是，存活时间越久的对象，越不可能在后面的程序中变成垃圾。我们的程序往往会产生大量的对象，许多对象很快产生和消失，但也有一些对象长期被使用。出于信任和效率，对于这样一些“长寿”对象，我们相信它们的用处，所以减少在垃圾回收中扫描它们的频率。

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，那么它就被归入下一代对象。垃圾回收启动时，一定会扫描所有的0代对象。如果0代经过一定次数垃圾回收，那么就启动对0代和1代的扫描清理。当1代也经历了一定次数的垃圾回收后，那么会启动对0，1，2，即对所有对象进行扫描。

这两个次数即上面get_threshold()返回的(700, 10, 10)返回的两个10。也就是说，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。

同样可以用set_threshold()来调整，比如对2代对象进行更频繁的扫描。

import gc
gc.set_threshold(700, 10, 5)

孤立的引用环

引用环的存在会给上面的垃圾回收机制带来很大的困难。这些引用环可能构成无法使用，但引用计数不为0的一些对象。

a = []
b = [a]
a.append(b)

del a
del b

上面我们先创建了两个表对象，并引用对方，构成一个引用环。删除了a，b引用之后，这两个对象不可能再从程序中调用，就没有什么用处了。但是由于引用环的存在，这两个对象的引用计数都没有降到0，不会被垃圾回收。



孤立的引用环
为了回收这样的引用环，Python复制每个对象的引用计数，可以记为gc_ref。假设，每个对象i，该计数为gc_ref_i。Python会遍历所有的对象i。对于每个对象i引用的对象j，将相应的gc_ref_j减1。



遍历后的结果
在结束遍历后，gc_ref不为0的对象，和这些对象引用的对象，以及继续更下游引用的对象，需要被保留。而其它的对象则被垃圾回收。

总结

Python作为一种动态类型的语言，其对象和引用分离。这与曾经的面向过程语言有很大的区别。为了有效的释放内存，Python内置了垃圾回收的支持。Python采取了一种相对简单的垃圾回收机制，即引用计数，并因此需要解决孤立引用环的问题。

Python与其它语言既有共通性，又有特别的地方。对该内存管理机制的理解，是提高Python性能的重要一步。

以上がPython のメモリ管理の詳細な紹介の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。