Python의 가비지 수집 메커니즘에 대한 심층 분석-파이썬 튜토리얼-php.cn

Python의 가비지 수집 메커니즘에 대한 심층 분석

Python의 자동 가비지 수집 메커니즘 덕분에 Python에서 객체를 생성할 때 수동으로 객체를 해제할 필요가 없습니다. 이는 매우 개발자 친화적이며 개발자가 낮은 수준의 메모리 관리에 대해 걱정할 필요가 없습니다. 하지만 가비지 수집 메커니즘을 이해하지 못하면 작성하는 Python 코드가 매우 비효율적인 경우가 많습니다. Python的自动垃圾回收机制，在Python中创建对象时无须手动释放。这对开发者非常友好，让开发者无须关注低层内存管理。但如果对其垃圾回收机制不了解，很多时候写出的Python代码会非常低效。

垃圾回收算法有很多，主要有：引用计数、标记-清除、分代收集等。

在python中，垃圾回收算法以引用计数为主，标记-清除和分代收集两种机制为辅。

1 引用计数

1.1 引用计数算法原理

引用计数原理比较简单：

每个对象有一个整型的引用计数属性。用于记录对象被引用的次数。

例如对象A，如果有一个对象引用了A，则A的引用计数+1。

当引用删除时，A的引用计数-1。

当A的引用计数为0时，即表示对象A不可能再被使用，直接回收。

在Python中，可以通过sys模块的getrefcount函数获取指定对象的引用计数器的值，我们以实际例子来看。

import sys

class A():
    def __init__(self):
        pass
        
a = A()
print(sys.getrefcount(a))

로그인 후 복사

运行上面代码，可以得到输出结果为2。

1.2 计数器增减条件

上面我们看到，创建一个A对象，并将对象赋值给a变量后，对象的引用计数器值为2。那么什么时候计数器会+1，什么时候计数器会-1呢？

1.2.1 引用计数+1的条件

对象被创建，如A()。

对象被引用，如a=A()。

对象作为函数的参数，如func(a)。

对象作为容器的元素，如arr=[a,a]。

1.2.2 引用计数-1的条件

对象被显式销毁，如del a。

变量重新赋予新的对象，例如a=0。

对象离开它的作用域，如func函数执行完毕时，func函数中的局部变量（全局变量不会）。

对象所在的容器被销毁，或从容器中删除对象。

1.2.3 代码实战

为了更好的理解计数器的增减，我们运行实际代码，一目了然。

import sys
 
class A():

    def __init__(self):
        pass
 
print("创建对象 0 + 1 =", sys.getrefcount(A()))

a = A()
print("创建对象并赋值 0 + 2 =", sys.getrefcount(a))

b = a
c = a
print("赋给2个变量 2 + 2 =", sys.getrefcount(a))

b = None
print("变量重新赋值 4 - 1 =", sys.getrefcount(a))

del c
print("del对象 3 - 1 =", sys.getrefcount(a))

d = [a, a, a]
print("3次加入列表 2 + 3 =", sys.getrefcount(a))


def func(c):
    print('传入函数 1 + 2 = ', sys.getrefcount(c))
func(A())

로그인 후 복사

输出结果如下：

创建对象 0 + 1 = 1
创建对象并赋值 0 + 2 = 2
赋给2个变量 2 + 2 = 4
变量重新赋值 4 - 1 = 3
del对象 3 - 1 = 2
3次加入列表 2 + 3 = 5
传入函数 1 + 2 =  3

로그인 후 복사

1.3 引用计数的优点与缺点

1.3.1 引用计数优点

高效、逻辑简单，只需根据规则对计数器做加减法。

实时性。一旦对象的计数器为零，就说明对象永远不可能再被用到，无须等待特定时机，直接释放内存。

1.3.2 引用计数缺点

需要为对象分配引用计数空间，增大了内存消耗。

当需要释放的对象比较大时，如字典对象，需要对引用的所有对象循环嵌套调用，可能耗时比较长。

循环引用。这是引用计数的致命伤，引用计数对此是无解的，因此必须要使用其它的垃圾回收算法对其进行补充。

Python의 가비지 수집 메커니즘에 대한 심층 분석

2 标记-清除

上一小节提到，引用计数算法无法解决循环引用问题，循环引用的对象会导致大家的计数器永远都不会等于0，带来无法回收的问题。

标记-清除

주로 참조 계산, mark-clear, 세대별 수집 등을 포함한 많은 가비지 수집 알고리즘이 있습니다.

python에서 가비지 컬렉션 알고리즘은 참조 카운팅, mark-clear 및 세대 컬렉션을 기반으로 합니다. 두 가지 메커니즘이 보완됩니다.

1 참조 카운팅

1.1 참조 카운팅 알고리즘 원리 Strong> Strong>

참조 카운팅의 원리는 비교적 간단합니다.

각 객체에는 정수 참조 카운팅 속성이 있습니다. 객체가 참조된 횟수를 기록하는 데 사용됩니다.

예를 들어 A 개체가 A를 참조하는 경우 A의 참조 횟수는 +1.

🎜🎜🎜참조가 삭제되면 A의 참조 횟수는 -1입니다. 🎜🎜🎜🎜A의 참조 횟수가 0이면 A 개체를 더 이상 사용할 수 없으며 직접 재활용된다는 의미입니다. 🎜🎜🎜🎜🎜Python에서는 sys 모듈의 getrefcount 함수를 통해 지정된 개체의 참조 카운터 값을 얻을 수 있습니다. .실제 예를 들어 보겠습니다. 🎜

class A():
    def __init__(self):
        self.obj = None
 
def func():
    a = A()
    b = A()
    c = A()
    d = A()

    a.obj = b
    b.obj = a
    return [c, d]

e = func()

로그인 후 복사

🎜위 코드를 실행하면 2라는 결과가 출력됩니다. 🎜

1.2 카운터 증가 및 감소 조건

🎜 위에서 볼 수 있듯이 A 객체를 생성하고 추가합니다. 개체 a 변수에 할당된 후 개체의 참조 카운터 값은 2입니다. 그렇다면 카운터는 언제 +1이 되고, 언제 카운터는 -1이 될까요? 🎜

1.2.1 참조 횟수 +1 조건

🎜

A( ). 🎜🎜<code>a=A()

func(a)

arr=[a,a]

1.2.2 참조 횟수 -1의 조건

델 아

a=0

func

1.2.3 코드 연습

import gc
threshold = gc.get_threshold()
print("各世代的阈值:", threshold)

# 设置各世代阈值
# gc.set_threshold(threshold0[, threshold1[, threshold2]])
gc.set_threshold(800, 20, 20)

로그인 후 복사

各世代的阈值: (700, 10, 10)

로그인 후 복사

1.3 참조 카운팅의 장점과 단점

1.3.1 참조 카운팅의 장점

1.3.2 참조 카운팅의 단점

이것은 참조 카운팅의 치명적인 결함입니다. 참조 카운팅에는 해결책이 없으므로 이를 보완하기 위해 다른 가비지 수집 알고리즘을 사용해야 합니다.

2 Mark-Clear

0

Mark-Clear

Python의 가비지 수집 메커니즘에 대한 심층 분석

如果采用引用计数器算法，那么a和b两个对象将无法被回收。而采用标记清除法，从根节点（即e对象）开始遍历，c、d、e三个对象都会被标记为可达，而a和b无法被标记。因此a和b会被回收。

这是读者可能会有疑问，为什么确定根节点是e，而不会是a、b、c、d呢？这里就有讲究了，什么样的对象会被看成是根节点呢？一般而言，根节点的选取包括（但不限于）如下几种：

当前栈帧中的本地变量表中引用的对象，如各个线程被调用的方法堆栈中使用到的参数、局部变量、临时变量等。

全局静态变量

...

3 分代收集

3.1 分代收集原理

在执行垃圾回收过程中，程序会被暂停，即stop-the-world。这里很好理解：你妈妈在打扫房间的时候，肯定不允许你在房间内到处丢垃圾，要不然永远也无法打扫干净。

为了减少程序的暂停时间，采用分代回收(Generational Collection)降低垃圾收集耗时。

分代回收基于这样的法则：

接大部分的对象生命周期短，大部分对象都是朝生夕灭。

经历越多次数的垃圾收集且活下来的对象，说明该对象越不可能是垃圾，应该越少去收集。

Python中，对象一共有3种世代：G0,G1,G2。

对象刚创建时为G0。

如果在一轮GC扫描中存活下来，则移至G1，处于G1的对象被扫描次数会减少。

如果再次在扫描中活下来，则进入G2，处于G1的对象被扫描次数将会更少。

3.2 触发GC时机

当某世代中分配的对象数量与被释放的对象之差达到某个阈值的时，将触发对该代的扫描。当某世代触发扫描时，比该世代年轻的世代也会触发扫描。

那么这个阈值是多少呢？我们可以通过代码查看或者修改，示例代码如下

import gc
threshold = gc.get_threshold()
print("各世代的阈值:", threshold)

# 设置各世代阈值
# gc.set_threshold(threshold0[, threshold1[, threshold2]])
gc.set_threshold(800, 20, 20)

로그인 후 복사

输出结果如下：