机关网站建设费入什么科目,衡阳哪有做网站推广的,lda模型 文本建模 wordpress,手机版网站图片自适应怎么做一、概述 Python 内部采用 引用计数法#xff0c;为每个对象维护引用次数#xff0c;并据此回收不在需要的垃圾对象。由于引用计数法存在重大缺陷#xff0c;循环引用时由内存泄露风险#xff0c;因此Python还采用 标记清除法 来回收在循环引用的垃圾对象。此外#xff0c…
一、概述 Python 内部采用 引用计数法为每个对象维护引用次数并据此回收不在需要的垃圾对象。由于引用计数法存在重大缺陷循环引用时由内存泄露风险因此Python还采用 标记清除法 来回收在循环引用的垃圾对象。此外为了提高垃圾回收GC效率Python还引入了 分代回收机制。
二、3种回收方法介绍
1、引用计数法
1.引用计数法案例 Python采用了类似Windows内核对象一样的方式来对内存进行管理。每一个对象都维护这一个对指向该对对象的引用的计数。 引用计数 是计算机编程语言中的一种 内存管理技术 它将资源被引用的次数保存起来当引用次数变为 0 时就将资源释放。它管理的资源并不局限于内存还可以是对象、磁盘空间等等。 Python 也使用引用计数这种方式来管理内存每个 Python 对象都包含一个公共头部头部中的 ob_refcnt 字段便用于维护对象被引用次数。 一个典型的 Python 对象结构如下 当创建一个对象实例时先在堆上为对象申请内存对象的引用计数被初始化为 1 。以 Python 为例我们创建一个 float 对象保存6.66并把它赋值到变量 f import sysf 6.66sys.getrefcount(f)
2引用计数器赋值是1结果输出的是2
原因初始化引用计数器赋值是1当把对象作为函数参数传递给sys模块时
会产生一个临时的引用当输出这个值的时候永远要比实际1但实际他还是1sys.getrefcount()函数返回指定对象的引用计数。
引用计数是一种追踪Python对象生命周期的技术它表示指向该对象的引用数量。当把 f 赋值给 ff 后float对象的引用计数就变成了2因为现在有两个变量在引用它 ff fsys.getrefcount(f)
3 新建一个 list 对象并把 float 对象保存在里面。这样一来float 对象有多了一个来自 list 对象的引用因此它的引用计数又加一变成 3 了 l [f]l
[4.56]sys.getrefcount(f)
4 引用计数不应该是 3 吗为什么会是 4 呢由于 float 对象被作为参数传给 getrefcount 函数它在函数执行过程中作为函数的局部变量存在创建了一个临时的引用因此又多了一个引用 随着 getrefcount 函数执行完毕并返回它的栈帧对象将从调用链中解开并销毁这时 float 对象的引用计数也跟着下降。因此当一个对象作为参数传个函数后它的引用计数将加一当函数返回局部名字空间销毁后对象引用计数又减一。 引用计数就这样随着引用关系的变动不断变化着。当所有引用都消除后引用计数就降为零这时 Python 就可以安全地销毁对象回收内存了 del ldel ffdel f sys.getrefcount(f) 2.引用计数增加 对象被创建如果有新的对象使用该对象作为容器对象的一个元素被作为参数传递给函数3.引用计数减少 对象的引用被显示的销毁新对象不在使用该对象对象从列表中被移除或者列表对象本身被销毁函数调用结束4.引用机制优点 简单实时性一旦没有引用内存就直接释放了。5.引用机制缺点 维护引用计数消耗资源循环引用的问题无法解决a [1,2]
b [3,4]
a.append(b) #b的计数器2
b.append(a) #a的计数器2
del a
del b 2、标记-清除法
1. 对比引用计数法 引用计数法能够解决大多数垃圾回收的问题但是遇到两个对象相互引用的情况del语句可以减少引用次数但是引用计数不会归0对象也就不会被销毁从而造成了内存泄漏问题。针对该情况Python引入了标记-清除机制
2. 循环引用 引用计数这种管理内存的方式虽然很简单但是有一个比较大的瑕疵即它不能很好的解决循环引用问题。如上图所示对象 A 和对象 B相互引用了对方作为自己的成员变量只有当自己销毁时才会将成员变量的引用计数减 1。因为对象 A 的销毁依赖于对象 B销毁而对象 B 的销毁与依赖于对象 A 的销毁这样就造成了我们称之为循环引用Reference Cycle的问题这两个对象即使在外界已经没有任何指 针能够访问到它们了它们也无法被释放。
class People:
pass
class Cat:
pass
#创建People的实例对象
p People()
#创建Cat的实例对象
c Cat()
#People的宠物属性指向Cat
p.pet c
#Cat的主人属性指向People
c.master p
#删除p和c对象
del p
del c 上述实例中对象p中的属性引用c而对象c中属性同时来引用p从而造成仅仅删除p和c对象也无法释放其内存空间因为他们依然在被引用。深入解释就是循环引用后p和c被引用个数为2删除p和c对象后两者被引用个数变为1并不是0而python只有在检查到一个对象的被引用个数为0时才会自动释放其内存所以这里无法释放p和c的内存空间。 主动思路一般分为两步垃圾识别 和 垃圾回收 。垃圾对象被识别出来后回收就只是自然而然的工作了因此垃圾识别是解决问题的关键。那么有什么办法可以将垃圾对象识别出来呢我们来考察一个一般化例子 这是一个对象引用关系图其中灰色部分是需要回收但由于循环引用而无法回收的垃圾对象绿色部分是被程序引用而不能回收的活跃对象。如果我们能够将活跃对象逐个遍历并标记那么最后没有被标记的对象就是垃圾对象。 遍历活跃对象第一步需要找出 根对象 ( root object )集合。所谓根对象就是指被全局引用或者在栈中引用的对象这部分对象是不能被删除的。因此我们将这部分对象标记为绿色作为活跃对象遍历的起点。 根对象本身是 可达的 ( reachable )不能删除被根对象引用的对象也是可达的同样不能删除以此类推。我们从一个根对象出发沿着引用关系遍历遍历到的所有对象都是可达的不能删除 这样一来当我们遍历完所有根对象活跃对象也就全部找出来了 而没有被标色的对象就是 不可达 ( unreachable )的垃圾对象可以被安全回收。循环引用的致命缺陷完美解决了 这就是垃圾回收中常用的 标记清除法 。 3. 【示例】标记清除法 下图中小黑点变量表示根节点从根节点出发每个对象都有引用和被引用的情况如果该对象找不到根节点那么就会被清除如图1,2,3都有被小黑点变量引用4,5没有变量引用所以4,5就会被清除。 3、分代回收机制
1. 分代回收机制 Python 程序启动后内部可能会创建大量对象。如果每次执行标记清除法时都需要遍历所有对象多半会影响程序性能。为此Python 引入分代回收机制——将对象分为若干“代”( generation )每次只处理某个代中的对象因此 GC 卡顿时间更短。 考察对象的生命周期可以发现一个显著特征一个对象存活的时间越长它下一刻被释放的概率就越低。我们应该也有这样的亲身体会经常在程序中创建一些临时对象用完即刻释放而定义为全局变量的对象则极少释放。 因此根据对象存活时间对它们进行划分就是一个不错的选择。对象存活时间越长它们被释放的概率越低可以适当降低回收频率相反对象存活时间越短它们被释放的概率越高可以适当提高回收频率。 对象存活时间释放概率回收频率长低低短高高 Python 内部根据对象存活时间将对象分为 3 代(见Include/internal/mem.h ) #define NUM_GENERATIONS 3 随着时间的推进程序冗余对象逐渐增多达到一定阈值系统进行回收。 这 3 个代分别称为初生代、中生代 以及 老生代。当这 3 个代初始化完毕后对应的 gc_generation 数组大概是这样的 import gc
#python 中内置模块gc触发
print(gc.get_threshold()) #查看gc默认值
#输出(700, 10, 10) 2. 第一代链表 当第一代达到700就开始检测哪些对象引用计数变成0了把不是0的放到第二代链表里此时第一代链表就是空了当再次达到700时就再检测一遍。
3.第二代链表 当第二代链表达到10就检测一次。
4.第三代链表 第三代链表检测10之后第三代链表检测一次。
import gc
#返回一个元组分别获取这三代当前计数
gc.get_count()
#返回一个元组分别获取这三代当前的收集阈值
gc.get_threshold()
#设置阈值
gc.set_threshold()
#关闭gc垃圾回收机制
gc.disable()
