python内存_Python的内存管理

语言的内存管理是语言设计的一个重要方面。它是决定语言性能的重要因素。无论是C语言的手工管理&＃xff0c;还是Java的垃圾回收&＃xff0c;都成为语言最重要的特征。这里以Python语言为例子&＃xff0c;说明一门动态类型的、面向对象的语言的内存管理方式。

对象的内存使用

赋值语句是语言最常见的功能了。但即使是最简单的赋值语句&＃xff0c;也可以很有内涵。Python的赋值语句就很值得研究。

a &＃61; 1

整数1为一个对象。而a是一个引用。利用赋值语句&＃xff0c;引用a指向对象1。Python是动态类型的语言(参考动态类型)&＃xff0c;对象与引用分离。Python像使用“筷子”那样&＃xff0c;通过引用来接触和翻动真正的食物——对象。

引用和对象

为了探索对象在内存的存储&＃xff0c;我们可以求助于Python的内置函数id()。它用于返回对象的身份(identity)。其实&＃xff0c;这里所谓的身份&＃xff0c;就是该对象的内存地址。

a &＃61; 1

print(id(a))

print(hex(id(a)))

在我的计算机上&＃xff0c;它们返回的是:

11246696

&＃39;0xab9c68&＃39;

分别为内存地址的十进制和十六进制表示。

在Python中&＃xff0c;整数和短小的字符&＃xff0c;Python都会缓存这些对象&＃xff0c;以便重复使用。当我们创建多个等于1的引用时&＃xff0c;实际上是让所有这些引用指向同一个对象。

a &＃61; 1

b &＃61; 1

print(id(a))

print(id(b))

上面程序返回

11246696

11246696

可见a和b实际上是指向同一个对象的两个引用。

为了检验两个引用指向同一个对象&＃xff0c;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。

# True

a &＃61; 1

b &＃61; 1

print(a is b)

# True

a &＃61; "good"

b &＃61; "good"

print(a is b)

# False

a &＃61; "very good morning"

b &＃61; "very good morning"

print(a is b)

# False

a &＃61; []

b &＃61; []

print(a is b)

上面的注释为相应的运行结果。可以看到&＃xff0c;由于Python缓存了整数和短字符串&＃xff0c;因此每个对象只存有一份。比如&＃xff0c;所有整数1的引用都指向同一对象。即使使用赋值语句&＃xff0c;也只是创造了新的引用&＃xff0c;而不是对象本身。长的字符串和其它对象可以有多个相同的对象&＃xff0c;可以使用赋值语句创建出新的对象。

在Python中&＃xff0c;每个对象都有存有指向该对象的引用总数&＃xff0c;即引用计数(reference count)。

我们可以使用sys包中的getrefcount()&＃xff0c;来查看某个对象的引用计数。需要注意的是&＃xff0c;当使用某个引用作为参数&＃xff0c;传递给getrefcount()时&＃xff0c;参数实际上创建了一个临时的引用。因此&＃xff0c;getrefcount()所得到的结果&＃xff0c;会比期望的多1。

from sys import getrefcount

a &＃61; [1, 2, 3]

print(getrefcount(a))

b &＃61; a

print(getrefcount(b))

由于上述原因&＃xff0c;两个getrefcount将返回2和3&＃xff0c;而不是期望的1和2。

对象引用对象

Python的一个容器对象(container)&＃xff0c;比如表、词典等&＃xff0c;可以包含多个对象。实际上&＃xff0c;容器对象中包含的并不是元素对象本身&＃xff0c;是指向各个元素对象的引用。

我们也可以自定义一个对象&＃xff0c;并引用其它对象:

class from_obj(object):

def __init__(self, to_obj):

self.to_obj &＃61; to_obj

b &＃61; [1,2,3]

a &＃61; from_obj(b)

print(id(a.to_obj))

print(id(b))

可以看到&＃xff0c;a引用了对象b。

对象引用对象&＃xff0c;是Python最基本的构成方式。即使是a &＃61; 1这一赋值方式&＃xff0c;实际上是让词典的一个键值"a"的元素引用整数对象1。该词典对象用于记录所有的全局引用。该词典引用了整数对象1。我们可以通过内置函数globals()来查看该词典。

当一个对象A被另一个对象B引用时&＃xff0c;A的引用计数将增加1。

from sys import getrefcount

a &＃61; [1, 2, 3]

print(getrefcount(a))

b &＃61; [a, a]

print(getrefcount(a))

由于对象b引用了两次a&＃xff0c;a的引用计数增加了2。

容器对象的引用可能构成很复杂的拓扑结构。我们可以用objgraph包来绘制其引用关系&＃xff0c;比如

x &＃61; [1, 2, 3]

y &＃61; [x, dict(key1&＃61;x)]

z &＃61; [y, (x, y)]

import objgraph

objgraph.show_refs([z], filename&＃61;&＃39;ref_topo.png&＃39;)

objgraph是Python的一个第三方包。安装之前需要安装xdot。

sudo apt-get install xdot

sudo pip install objgraph

两个对象可能相互引用&＃xff0c;从而构成所谓的引用环(reference cycle)。

a &＃61; []

b &＃61; [a]

a.append(b)

即使是一个对象&＃xff0c;只需要自己引用自己&＃xff0c;也能构成引用环。

a &＃61; []

a.append(a)

print(getrefcount(a))

引用环会给垃圾回收机制带来很大的麻烦&＃xff0c;我将在后面详细叙述这一点。

引用减少

某个对象的引用计数可能减少。比如&＃xff0c;可以使用del关键字删除某个引用:

from sys import getrefcount

a &＃61; [1, 2, 3]

b &＃61; a

print(getrefcount(b))

del a

print(getrefcount(b))

del也可以用于删除容器元素中的元素&＃xff0c;比如:

a &＃61; [1,2,3]

del a[0]

print(a)

如果某个引用指向对象A&＃xff0c;当这个引用被重新定向到某个其他对象B时&＃xff0c;对象A的引用计数减少:

from sys import getrefcount

a &＃61; [1, 2, 3]

b &＃61; a

print(getrefcount(b))

a &＃61; 1

print(getrefcount(b))

垃圾回收

吃太多&＃xff0c;总会变胖&＃xff0c;Python也是这样。当Python中的对象越来越多&＃xff0c;它们将占据越来越大的内存。不过你不用太担心Python的体形&＃xff0c;它会乖巧的在适当的时候“减肥”&＃xff0c;启动垃圾回收(garbage collection)&＃xff0c;将没用的对象清除。在许多语言中都有垃圾回收机制&＃xff0c;比如Java和Ruby。尽管最终目的都是塑造苗条的提醒&＃xff0c;但不同语言的减肥方案有很大的差异 (这一点可以对比本文和Java内存管理与垃圾回收

)。

从基本原理上&＃xff0c;当Python的某个对象的引用计数降为0时&＃xff0c;说明没有任何引用指向该对象&＃xff0c;该对象就成为要被回收的垃圾了。比如某个新建对象&＃xff0c;它被分配给某个引用&＃xff0c;对象的引用计数变为1。如果引用被删除&＃xff0c;对象的引用计数为0&＃xff0c;那么该对象就可以被垃圾回收。比如下面的表:

a &＃61; [1, 2, 3]

del a

del a后&＃xff0c;已经没有任何引用指向之前建立的[1, 2, 3]这个表。用户不可能通过任何方式接触或者动用这个对象。这个对象如果继续待在内存里&＃xff0c;就成了不健康的脂肪。当垃圾回收启动时&＃xff0c;Python扫描到这个引用计数为0的对象&＃xff0c;就将它所占据的内存清空。

然而&＃xff0c;减肥是个昂贵而费力的事情。垃圾回收时&＃xff0c;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。如果内存中的对象不多&＃xff0c;就没有必要总启动垃圾回收。所以&＃xff0c;Python只会在特定条件下&＃xff0c;自动启动垃圾回收。当Python运行时&＃xff0c;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&＃xff0c;垃圾回收才会启动。

我们可以通过gc模块的get_threshold()方法&＃xff0c;查看该阈值:

import gc

print(gc.get_threshold())

返回(700, 10, 10)&＃xff0c;后面的两个10是与分代回收相关的阈值&＃xff0c;后面可以看到。700即是垃圾回收启动的阈值。可以通过gc中的set_threshold()方法重新设置。

我们也可以手动启动垃圾回收&＃xff0c;即使用gc.collect()。

分代回收

Python同时采用了分代(generation)回收的策略。这一策略的基本假设是&＃xff0c;存活时间越久的对象&＃xff0c;越不可能在后面的程序中变成垃圾。我们的程序往往会产生大量的对象&＃xff0c;许多对象很快产生和消失&＃xff0c;但也有一些对象长期被使用。出于信任和效率&＃xff0c;对于这样一些“长寿”对象&＃xff0c;我们相信它们的用处&＃xff0c;所以减少在垃圾回收中扫描它们的频率。

小家伙要多检查

Python将所有的对象分为0&＃xff0c;1&＃xff0c;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&＃xff0c;依然存活&＃xff0c;那么它就被归入下一代对象。垃圾回收启动时&＃xff0c;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&＃xff0c;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&＃xff0c;那么会启动对0&＃xff0c;1&＃xff0c;2&＃xff0c;即对所有对象进行扫描。

这两个次数即上面get_threshold()返回的(700, 10, 10)返回的两个10。也就是说&＃xff0c;每10次0代垃圾回收&＃xff0c;会配合1次1代的垃圾回收&＃xff1b;而每10次1代的垃圾回收&＃xff0c;才会有1次的2代垃圾回收。

同样可以用set_threshold()来调整&＃xff0c;比如对2代对象进行更频繁的扫描。

import gc

gc.set_threshold(700, 10, 5)

孤立的引用环

引用环的存在会给上面的垃圾回收机制带来很大的困难。这些引用环可能构成无法使用&＃xff0c;但引用计数不为0的一些对象。

a &＃61; []

b &＃61; [a]

a.append(b)

del a

del b

上面我们先创建了两个表对象&＃xff0c;并引用对方&＃xff0c;构成一个引用环。删除了a&＃xff0c;b引用之后&＃xff0c;这两个对象不可能再从程序中调用&＃xff0c;就没有什么用处了。但是由于引用环的存在&＃xff0c;这两个对象的引用计数都没有降到0&＃xff0c;不会被垃圾回收。

孤立的引用环

为了回收这样的引用环&＃xff0c;Python复制每个对象的引用计数&＃xff0c;可以记为gc_ref。假设&＃xff0c;每个对象i&＃xff0c;该计数为gc_ref_i。Python会遍历所有的对象i。对于每个对象i引用的对象j&＃xff0c;将相应的gc_ref_j减1。

遍历后的结果

在结束遍历后&＃xff0c;gc_ref不为0的对象&＃xff0c;和这些对象引用的对象&＃xff0c;以及继续更下游引用的对象&＃xff0c;需要被保留。而其它的对象则被垃圾回收。

总结

Python作为一种动态类型的语言&＃xff0c;其对象和引用分离。这与曾经的面向过程语言有很大的区别。为了有效的释放内存&＃xff0c;Python内置了垃圾回收的支持。Python采取了一种相对简单的垃圾回收机制&＃xff0c;即引用计数&＃xff0c;并因此需要解决孤立引用环的问题。Python与其它语言既有共通性&＃xff0c;又有特别的地方。对该内存管理机制的理解&＃xff0c;是提高Python性能的重要一步。