Python内存管理

高江勇 發表於 2019-5-27 23:02:00

<blockquote>
Date: 2019-05-27
Author: Sun
</blockquote>
<h4 id="内存管理机制">内存管理机制</h4>
<blockquote>
 python中万物皆对象，python的存储问题是对象的存储问题，并且对于每个对象，python会分配一块内存空间去存储它
 Python的内存管理机制：引入计数、垃圾回收、内存池机制
</blockquote>
一、变量与对象
<img src="https://img2018.cnblogs.com/blog/1466232/201905/1466232-20190527230033806-672176396.png">
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。
<pre><code class="language-python">In : var1=object
In : var2=var1

In : id(var1)
Out: 139697863383968

In : id(var2)
Out: 139697863383968
</code></pre>
说明：
 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。
修改变量所指对象值情况
<img src="https://img2018.cnblogs.com/blog/1466232/201905/1466232-20190527230055671-1527216050.png">
案例：
<pre><code class="language-python">In : a=123
In : b=a

In : id(a)
Out: 23242832

In : id(b)
Out: 23242832

In : a=456

In : id(a)
Out: 33166408

In : id(b)
Out: 23242832
</code></pre>
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
<pre><code class="language-python">In : a=1
In : b=1
In : print(a is b)
True
</code></pre>
短字符串
<pre><code>In : c="good"
In : d="good"
In : print(c is d)
True
</code></pre>
长字符串
<pre><code>In : e="very good"
In : f="very good"
In : print(e is f)
False
</code></pre>
列表
<pre><code>In : g=[]
In : h=[]
In : print(g is h)
False
</code></pre>
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。
 3.python中对大于256的整数，会重新分配对象空间地址保存对象；对于字符串来说，如果不包含空格的字符串，则不会重新分配对象空间，对于包含空格的字符串则会重新分配
 （a = 256, b = 256, a is b== true, a = 300, b= 300, a is b == false;
 x = "abc ef",y="abcef" x is y== false）
二、引用计数
<blockquote>
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()
</blockquote>
1、普通引用
<pre><code class="language-python">In : import sys

In : a=
In : sys.getrefcount(a)
Out: 2

In : b=a
In : sys.getrefcount(a)
Out: 3

In : sys.getrefcount(b)
Out: 3
</code></pre>
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。
<pre><code class="language-python">In : a=
In : b=a

In : a is b
Out: True

In : a=6
In : a
Out:

In : a is b
Out: True

In : b
Out:
</code></pre>
列表赋值
<img src="https://img2018.cnblogs.com/blog/1466232/201905/1466232-20190527230122186-1349279223.png">
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
<pre><code class="language-python">In : sys.getrefcount(123)
Out: 6

In : n=123
In : sys.getrefcount(123)
Out: 7

</code></pre>
(2)另外的别人被创建
<pre><code class="language-python">In : m=n
In : sys.getrefcount(123)
Out: 8

</code></pre>
(3)作为容器对象的一个元素
<pre><code class="language-python">In : a=
In : sys.getrefcount(123)
Out: 9

</code></pre>
(4)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
<pre><code class="language-python">In : del m
In : sys.getrefcount(123)
Out: 8

</code></pre>
(2)对象的一个别名被赋值给其他对象
<pre><code class="language-python">In : n=456
In : sys.getrefcount(123)
Out: 7

</code></pre>
(3) 对象从一个窗口对象中移除，或，窗口对象本身被销毁
<pre><code>In : a.remove(123)
In : a
Out:

In : sys.getrefcount(123)
Out: 6

</code></pre>
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。
<pre><code>In : a=
In : del a

</code></pre>
2、解析del
 del a后，已经没有任何引用指向之前建立的，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。
<pre><code>In : import gc
In : gc.get_threshold()　　#gc模块中查看阈值的方法
Out: (700, 10, 10)

</code></pre>
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：
<pre><code>In : gc.collect() #手动启动垃圾回收
Out: 2

</code></pre>
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内存分配情况图
<img src="https://img2018.cnblogs.com/blog/1466232/201905/1466232-20190527230148054-1457316856.png"> 
来源：https://www.cnblogs.com/sunBinary/p/10934140.html

頁: [1]

琼殿技术论坛's Archiver

Python内存管理