Python에는 메모리 관리를 위한 참조 계산 메커니즘이 도입되었습니다.
Python은 내부적으로 참조 카운트를 사용하여 메모리의 개체를 추적합니다. Python은 개체가 얼마나 많은 참조를 가지고 있는지, 즉 참조 카운트를 기록합니다. 개체가 더 이상 생성되지 않으면 참조 카운트가 생성됩니다. 필요합니다. 객체의 참조 횟수가 0에 도달하면 가비지 수집됩니다.
요약하자면, 다음 상황에서는 객체의 참조 횟수가 1씩 증가합니다:
1 객체가 생성됩니다: x=4
2. 다른 사람이 생성됩니다: y=x
3. . 함수에 매개변수로 전달됩니다: foo(x)
4. 컨테이너 객체의 요소: a=[1,x,'33']
참조 횟수 감소
1. 참조는 해당 범위를 벗어납니다. 예를 들어 위의 foo(x) 함수가 끝나면 x가 가리키는 객체 참조가 1씩 감소합니다.
2. 객체의 별칭은 명시적으로 삭제됩니다: del x; 또는 del y
3. 객체의 별칭은 다른 객체에 할당됩니다: x=789
4. myList .remove(x)
5. 창 개체 자체가 삭제됩니다. del myList 또는 창 개체 자체가 범위를 벗어납니다.
Garbage Collection
1. 더 이상 사용되지 않는 메모리 부분이 있으면 가비지 컬렉터가 이를 정리합니다. 참조 횟수가 0인 객체를 확인하고 메모리 공간을 지웁니다. 물론 참조 횟수 0이 지워지는 것 외에도 가비지 수집기에 의해 지워지는 또 다른 상황이 있습니다. 두 객체가 서로 참조할 때 다른 참조는 이미 0입니다.
2. 가비지 수집 메커니즘에는 순환 참조 개체가 해제되도록 하는 순환 가비지 수집기도 있습니다(a는 b를 참조하고 b는 a를 참조하므로 참조 횟수가 0이 되지 않습니다).
Python에서는 작은 메모리 블록이 적용되는 경우가 많습니다. 이러한 작은 메모리 블록은 개체 생성용이 아니기 때문에 개체 수준의 메커니즘이 없습니다. 이는 Python이 작업 중에 많은 수의 malloc 및 free 작업을 수행하고 사용자 모드와 코어 모드 사이를 자주 전환하여 Python의 실행 효율성에 심각한 영향을 미친다는 것을 의미합니다. Python의 실행 효율성을 높이기 위해 Python은 작은 메모리 블록의 애플리케이션 및 릴리스를 관리하는 메모리 풀 메커니즘을 도입합니다.
메모리 풀 메커니즘
Python은 메모리에 대한 가비지 수집 메커니즘을 제공하지만 사용하지 않는 메모리를 운영 체제에 반환하는 대신 메모리 풀에 넣습니다.
Python에서 256바이트보다 작은 모든 개체는 pymalloc으로 구현된 할당자를 사용하는 반면, 큰 개체는 시스템의 malloc을 사용합니다. 또한 정수, 부동 소수점 숫자, 목록과 같은 Python 객체는 고유한 독립적인 전용 메모리 풀을 가지며 해당 메모리 풀은 객체 간에 공유되지 않습니다. 이는 많은 수의 정수를 할당하고 해제하는 경우 이러한 정수를 캐시하는 데 사용되는 메모리를 더 이상 부동 소수점 숫자에 할당할 수 없음을 의미합니다.
위 내용은 파이썬이 메모리를 관리하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!