python10_内存管理

标签：可变   标记   ace   内存管理   垃圾   占用   耗资源   无法   技术   

1）python动态类型：
对象是储存在内存中的实体
在程序中写的对象名只是指向这一对象的引用
引用和对象分离，是动态类型的核心
引用可以随时指向新的对象（内存地址会不一样）

2）引用计数：在python中，每个对象都有存有指向该对象的引用总数，即引用计数
原理：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，该对象可以被回收，对象占用的内存空间将被释放
缺点：需要额外的空间维护引用计数，这个问题是其次的-------最主要的问题是它不能解决对象的“循环引用”

获取引用计数：getrefcount()

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。

增加引用计数：当一个对象A被另一个对象B引用时，A的计数会+1

减少引用计数：del删除或重新引用时，引用计数会变化（del只是删除引用）

循环引用：
x = []
y = []
x.append(y)
y.append(x)
对于上面相互引用的情况,如果不存在其他对象对他们的引用,这两个对象 所占用的内存也还是无法回收,从而导致内存泄漏

引用计数机制的优点：简单，实时性
引用计数机制的缺点：维护引用计数消耗资源；循环引用时无法回收

3）垃圾回收
回收原则：当python某个对象的引用计数降为0时，可被垃圾回收
gc机制：
GC作为现代编程语言的自动内存管理机制，专注于两件事
找到内存中无用的垃圾资源
清除这些垃圾并把内存让出来给其他对象使用

效率问题：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。
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。

三种情况触发垃圾回收：
调用gc.collect()
GC达到阈值时
程序退出时

分代回收：这一策略的基本假设是：存活时间越久的对象，越不可能在后面的程序中变成垃圾
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，那么它就被归入下一代对象
垃圾回收启动时，一定会扫描所有的0代对象
如果0代经过一定次数垃圾回收，那么就启动对0代和1代的扫描清理
当1代也经历了一定次数的垃圾回收后，那么会启动对0，1，2，即对所有对象进行扫描

标记清除机制：首先标记对象（垃圾检测），然后清除垃圾（垃圾回收）
主要用于解决循环引用
1.标记：活动（有被引用），非活动（可被删除）
2.清除：清除所有非活动对象

4）缓冲池
整数对象缓冲池：对于[-5,256] 这样的小整数，系统已经初始化好，可以直接拿来用。而对于其他的大整数，系统则提 前申请了一块内存空间，等需要的时候在这上面创建大整数对象。
[-5，256]它们的ip地址都是同一个，其他的不一样
字符串缓存：为了检验两个引用指向同一个对象，我们可以用is关键字。is用于判断两个引用所指的对象是否相同。 当触发缓存机制时，只是创造了新的引用，而不是对象本身。

字符串的intern机制：python对于短小的，只含有字母数字的字符串自动触发缓存机制。其他情况不会缓存。

5）深拷贝和浅拷贝
数字拷贝：
多个引用指向同一个对象，如果一个引用值发生变化，那么实际上是让这个引用指向一个新的引用， 并不影响其他的引用的指向。

字典拷贝：
字典浅拷贝：拷贝第一层数据（地址）

现在a,b的内存地址是不一样的，b只能拷贝到a的第一层地址
字典深拷贝：递归拷贝所有层数据

一般而言，除了copy.deepcopy，其他都是浅拷贝，除了一些推导式如：x = [ [] for i in range(3) ]这个是深~
ps:直接赋值不属于拷贝

数字和字符串、元组，不能改变对象本身，只能改变引用的指向，称为不可变数据对象
列表、字典、集合可以通过引用其元素，改变对象自身(in-place change)。这种对象类型，称为可 变数据对象

python10_内存管理

标签：可变   标记   ace   内存管理   垃圾   占用   耗资源   无法   技术   

原文地址：https://blog.51cto.com/13603998/2507110