Python的垃圾回收机制

一、垃圾回收机制

Python中的垃圾回收是以引用计数为主，分代收集为辅。引用计数的缺陷是循环引用的问题。

• Python语言默认采用的垃圾收集机制是『引用计数法 Reference Counting』，该算法最早George E. Collins在1960的时候首次提出，50年后的今天，该算法依然被很多编程语言使用。

• 『引用计数法』的原理是：每个对象维护一个ob_ref字段，用来记录该对象当前被引用的次数，每当新的引用指向该对象时，它的引用计数ob_ref加1，每当该对象的引用失效时计数ob_ref减1，一旦对象的引用计数为0，该对象立即被回收，对象占用的内存空间将被释放。

• 它的缺点是需要额外的空间维护引用计数，这个问题是其次的，不过最主要的问题是它不能解决对象的“循环引用”，因此，也有很多语言比如Java并没有采用该算法做来垃圾的收集机制。

在Python中，如果一个对象的引用数为0，Python虚拟机就会回收这个对象的内存。

引用计数案例(1)

 class ClassA():
     def __init__(self):
         print('object born,id:%s' % str(hex(id(self))))
 ​
     def __del__(self):
         print('object del,id:%s' % str(hex(id(self))))
 ​
 ​
 def f1():
     c1 = ClassA()
     del c1
 ​
 ​
 f1()

执行f1()会循环输出这样的结果，而且进程占用的内存基本不会变动

 object born,id:0x18f89b9b320
 object del,id:0x18f89b9b320

c1=ClassA()会创建一个对象，放在0x1fa8a63d1d0内存中，c1变量指向这个内存，这时候这个内存的引用计数是1 del c1后，c1变量不再指向0x1fa8a63d1d0内存，所以这块内存的引用计数减一，等于0，所以就销毁了这个对象，然后释放内存。

引用计数案例(2)

 import sys
 class A():
     def __init__(self):
         '''初始化对象'''
         print('object born id:%s' %str(hex(id(self))))
 ​
 def f1():
     '''循环引用变量与删除变量'''
     while True:
         c1=A()
         del c1
 ​
 def func(c):
     print('obejct refcount is: ',sys.getrefcount(c)) #getrefcount()方法用于返回对象的引用计数
     
 ​
 if __name__ == '__main__':
    #生成对象
     a=A()
     func(a)
     #增加引用
     b=a
     func(a)
     #销毁引用对象b
     del b
     func(a)

执行结果:

 object born id:0x19f5ebad1d0
 obejct refcount is:  4
 obejct refcount is:  5
 obejct refcount is:  4

1. 导致引用计数+1的情况

   • 对象被创建，例如a=23

   • 对象被引用，例如b=a

   • 对象被作为参数，传入到一个函数中，例如func(a)

   • 对象作为一个元素，存储在容器中，例如list1=[a,a]

2. 导致引用计数-1的情况

   • 对象的别名被显式销毁，例如del a

   • 对象的别名被赋予新的对象，例如a=24

   • 一个对象离开它的作用域，例如f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

     def func(c,d):
         print 'in func function', sys.getrefcount(c) - 1
    ​
     print 'init', sys.getrefcount(11) - 1
     a = 11
     print 'after a=11', sys.getrefcount(11) - 1
     b = a
     print 'after b=1', sys.getrefcount(11) - 1
     func(11)
     print 'after func(a)', sys.getrefcount(11) - 1
     list1 = [a, 12, 14]
     print 'after list1=[a,12,14]', sys.getrefcount(11) - 1
     a=12
     print 'after a=12', sys.getrefcount(11) - 1
     del a
     print 'after del a', sys.getrefcount(11) - 1
     del b
     print 'after del b', sys.getrefcount(11) - 1
     # list1.pop(0)
     # print 'after pop list1',sys.getrefcount(11)-1
     del list1
     print 'after del list1', sys.getrefcount(11) - 1

   输出：

     init 24
     after a=11 25
     after b=1 26
     in func function 28
     after func(a) 26
     after list1=[a,12,14] 27
     after a=12 26
     after del a 26
     after del b 25
     after del list1 24

   问题：为什么调用函数会令引用计数+2

3. 查看一个对象的引用计数

   sys.getrefcount(a)可以查看a对象的引用计数，但是比正常计数大1，因为调用函数的时候传入a，这会让a的引用计数+1

二、循环引用导致内存泄露

 # 接上案例(1)
 def f2():
     while True:
         c1=ClassA()
         c2=ClassA()
         c1.t=c2
         c2.t=c1
         del c1
         del c2

执行f2()，进程占用的内存会不断增大。

 object born,id:0x1fa8a63d160
 object born,id:0x1fa8a63d1d0
 object del,id:0x1fa8a63d160
 object del,id:0x1fa8a63d1d0

创建了c1，c2后，0x1fa8a63d160（c1对应的内存，记为内存1）,0x1fa8a63d1d0（c2对应的内存，记为内存2）这两块内存的引用计数都是1，执行c1.t=c2和c2.t=c1后，这两块内存的引用计数变成2. 在del c1后，内存1的对象的引用计数变为1，由于不是为0，所以内存1的对象不会被销毁，所以内存2的对象的引用数依然是2，在del c2后，同理，内存1的对象，内存2的对象的引用数都是1。 虽然它们两个的对象都是可以被销毁的，但是由于循环引用，导致垃圾回收器都不会回收它们，所以就会导致内存泄露。

三、垃圾回收

 def f3():
     c1 = ClassA()
     c2 = ClassA()
     c1.t = c2
     c2.t = c1
     del c1
     del c2
     # 增加垃圾回收机制
     print(gc.garbage)
     print(gc.collect)  # 显式执行垃圾回收
     print(gc.garbage)
     print(gc.collect())
     time.sleep(10)
 ​
 ​
 if __name__ == '__main__':
     gc.set_debug(gc.DEBUG_LEAK)  # 设置gc模块的日志
     f3()

输出：

 object born,id:0x182a607d208
 object born,id:0x182a608d160
 []
 <built-in function collect>
 []
 gc: collectable <ClassA 0x00000182A607D208>
 gc: collectable <ClassA 0x00000182A608D160>
 gc: collectable <dict 0x00000182A5E04D38>
 gc: collectable <dict 0x00000182A60739D8>
 object del,id:0x182a607d208
 object del,id:0x182a608d160
 4

• 垃圾回收后的对象会放在gc.garbage列表里面

• gc.collect()会返回不可达的对象数目，4等于两个对象以及它们对应的dict

• 有三种情况会触发垃圾回收： 1.调用gc.collect(), 2.当gc模块的计数器达到阀值的时候。 3.程序退出的时候

四、gc模块常用功能解析

Garbage Collector interface gc模块提供一个接口给开发者设置垃圾回收的选项。上面说到，采用引用计数的方法管理内存的一个缺陷是循环引用，而gc模块的一个主要功能就是解决循环引用的问题。

常用函数：

1. gc.set_debug(flags) 设置gc的debug日志，一般设置为gc.DEBUG_LEAK

2. gc.collect([generation]) 显式进行垃圾回收，可以输入参数，0代表只检查第一代的对象，1代表检查一，二代的对象，2代表检查一，二，三代的对象，如果不传参数，执行一个full collection，也就是等于传2。 返回不可达（unreachable objects）对象的数目

3. gc.set_threshold(threshold0[, threshold1[, threshold2]) 设置自动执行垃圾回收的频率。

4. gc.get_count() 获取当前自动执行垃圾回收的计数器，返回一个长度为3的列表

gc模块的自动垃圾回收机制

必须要import gc模块，并且is_enable()=True才会启动自动垃圾回收。 这个机制的主要作用就是发现并处理不可达的垃圾对象。

垃圾回收=垃圾检查+垃圾回收

在Python中，采用分代收集的方法。把对象分为三代，一开始，对象在创建的时候，放在一代中，如果在一次一代的垃圾检查中，改对象存活下来，就会被放到二代中，同理在一次二代的垃圾检查中，该对象存活下来，就会被放到三代中。

gc模块里面会有一个长度为3的列表的计数器，可以通过gc.get_count()获取。 例如(488,3,0)，其中488是指距离上一次一代垃圾检查，Python分配内存的数目减去释放内存的数目，注意是内存分配，而不是引用计数的增加。例如：

 def f4():
     '''垃圾自动回收'''
     print(gc.get_count())
     a=ClassA()
     print(gc.get_count())
     del a
     print(gc.get_count())

执行结果

 (129, 9, 6)
 object born,id:0x1fc7332d198
 (130, 9, 6)
 object del,id:0x1fc7332d198
 (129, 9, 6)

• 129指距离上一次一代垃圾检查，Python分配内存的数目减去释放内存的数目，注意:是内存分配，而不是引用计数的增加。

• 9指距离上一次二代垃圾检查，一代垃圾检查的次数。

• 6是指距离上一次三代垃圾检查，二代垃圾检查的次数。

自动回收阈值

gc模快有一个自动垃圾回收的阀值，即通过gc.get_threshold函数获取到的长度为3的元组，例如(700,10,10) 每一次计数器的增加，gc模块就会检查增加后的计数是否达到阀值的数目，如果是，就会执行对应的代数的垃圾检查，然后重置计数器 例如，假设阀值是(700,10,10)：

• 当计数器从(699,3,0)增加到(700,3,0)，gc模块就会执行gc.collect(0),即检查一代对象的垃圾，并重置计数器为(0,4,0)

• 当计数器从(699,9,0)增加到(700,9,0)，gc模块就会执行gc.collect(1),即检查一、二代对象的垃圾，并重置计数器为(0,0,1)

• 当计数器从(699,9,9)增加到(700,9,9)，gc模块就会执行gc.collect(2),即检查一、二、三代对象的垃圾，并重置计数器为(0,0,0)

其他

1. 如果循环引用中，两个对象都定义了__del__方法，gc模块不会销毁这些不可达对象，因为gc模块不知道应该先调用哪个对象的__del__方法，所以为了安全起见，gc模块会把对象放到gc.garbage中，但是不会销毁对象。

五、应用

1. 项目中避免循环引用

2. 引入gc模块，启动gc模块的自动清理循环引用的对象机制

3. 由于分代收集，所以把需要长期使用的变量集中管理，并尽快移到二代以后，减少GC检查时的消耗

4. gc模块唯一处理不了的是循环引用的类都有__del__方法，所以项目中要避免定义`del方法，如果一定要使用该方法，同时导致了循环引用，需要代码显式调用gc.garbage里面的对象的del__`来打破僵局

六、标记清除

标记清除（Mark—Sweep）』算法是一种基于追踪回收（tracing GC）技术实现的垃圾回收算法。它分为两个阶段：第一阶段是标记阶段，GC会把所有的『活动对象』打上标记，第二阶段是把那些没有标记的对象『非活动对象』进行回收。那么GC又是如何判断哪些是活动对象哪些是非活动对象的呢？

对象之间通过引用（指针）连在一起，构成一个有向图，对象构成这个有向图的节点，而引用关系构成这个有向图的边。从根对象（root object）出发，沿着有向边遍历对象，可达的（reachable）对象标记为活动对象，不可达的对象就是要被清除的非活动对象。根对象就是全局变量、调用栈、寄存器。 mark-sweepg 在上图中，我们把小黑圈视为全局变量，也就是把它作为root object，从小黑圈出发，对象1可直达，那么它将被标记，对象2、3可间接到达也会被标记，而4和5不可达，那么1、2、3就是活动对象，4和5是非活动对象会被GC回收。

标记清除算法作为Python的辅助垃圾收集技术主要处理的是一些容器对象，比如list、dict、tuple，instance等，因为对于字符串、数值对象是不可能造成循环引用问题。Python使用一个双向链表将这些容器对象组织起来。不过，这种简单粗暴的标记清除算法也有明显的缺点：清除非活动的对象前它必须顺序扫描整个堆内存，哪怕只剩下小部分活动对象也要扫描所有对象。