Python垃圾回收机制

Posted 2020-10-25 BGPY

对于Python垃圾回收机制主要有三个，首先是使用引用计数来跟踪和回收垃圾，为了解决循环
引用问题，就采用标记-清除的方法，标记-清除的方法所带来的额外操作实际上与系统中总的内存
块的总数是相关的，当需要回收的内存块越多，垃圾检查带来的额外操作就越多，为了提高垃圾收集
的效率，采用“空间换时间的策略”，即使用分代机制，对于长时间没有被回收的内存就减少对它的
垃圾回收频率。

首先看一下Python的内存管理架构：

layer 3: Object-specific memory(int/dict/list/string....)
Python 实现并维护
更高抽象层次的内存管理策略, 主要是各类特定对象的缓冲池机制

layer 2: Python\'s object allocator
Python 实现并维护
实现了创建/销毁Python对象的接口(PyObject_New/Del), 涉及对象参数/引用计数等

layer 1: Python\'s raw memory allocator (PyMem_ API)
Python 实现并维护, 包装了第0层的内存管理接口, 提供统一的raw memory管理接口
封装的原因: 不同操作系统行为不一定一致, 保证可移植性, 相同语义相同行为

layer 0: Underlying general-purpose allocator (ex: C library malloc)
操作系统提供的内存管理接口, 由操作系统实现并管理, Python不能干涉这一层的行为

引用计数机制

引用计数是一种垃圾收集机制，而且也是一种最直观，最简单的垃圾回收技术 当一个对象的引用被创建或者复制时，对象的引用计数加1；
当一个对象的引用被销毁 对象的引用计数减1。如果对象的引用计数减少为0，那么就意味着对象已经不会被任何人使用，可以将其所占有的内存释放。
引用计数机制的优点：实时性，对于任何内存一旦没有指向它的引用，就会立即被回收(这里需要满足阈值才可以)
引用计数机制的缺点：引用计数机制所带来的维护引用计数的额外操作与Python运行中所运行的内存分配和释放，引用赋值的
次数是成正比的，为了与引用计数机制搭配，在内存的分配和释放上获得最高的效率，Python设计了大量的
内存池机制，减少运行期间malloc和free的操作。

>>> from sys import getrefcount
>>> a = [1,2,3]
>>> getrefcount(a)
2
>>> b =a
>>> getrefcount(a)
3
>>>

标记-清除机制

引用计数机制有个致命的弱点，就是可能存在循环引用的问题：
一组对象的引用计数都不为0，然而这些对象实际上并没有被任何外部变量引用，它们之间只是相互引用，这意味这个不会
有人使用这组对象，应该回收这些对象所占的内存，然后由于互相引用的存在， 每个对象的引用计数都不为0，因此这些对象
所占用的内存永远不会被回收。
标记-清除机制就是为了解决循环引用的问题。首先只有container对象之间才会产生循环引用，所谓container对象即是内部
可持有对其他对象的引用的对象，比如list、dict、class等，而像PyIntObject、PyStringObject这些是绝不可能产生循环引用的
所以Python的垃圾回收机制运行时，只需要检查这些container对象，为了跟踪每个container，需要将这些对象组织到一个集合中。
Python采用了一个双向链表，所以的container对象在创建之后，就会被插入到这个链表中。这个链表也叫作可收集对象链表。

为了解决循环引用的问题，提出了有效引用计数的概念，即循环引用的两个对象引用计数不为0，实际上有效的引用计数为0
假设两个对象为A、B，我们从A出发，因为它有一个对B的引用，则将B的引用计数减1；然后顺着引用达到B，因为B有一个对A的引用，
同样将A的引用减1，这样，就完成了循环引用对象间环摘除。但是这样直接修改真实的引用计数，可能存在悬空引用的问题。
所以采用修改计数计数副本的方法。
这个计数副本的唯一作用是寻找root object集合（该集合中的对象是不能被回收的）。当成功寻找到root object集合之后，
我们就可以从root object出发，沿着引用链，一个接一个的标记不能回收的内存。首先将现在的内存链表一分为二，
一条链表中维护root object集合，成为root链表，而另外一条链表中维护剩下的对象，成为unreachable链表。之所以要剖成两个链表，
是基于这样的一种考虑：现在的unreachable可能存在被root链表中的对象，直接或间接引用的对象，这些对象是不能被回收的，
一旦在标记的过程中，发现这样的对象，就将其从unreachable链表中移到root链表中；当完成标记后，unreachable链表中剩下
的所有对象就是名副其实的垃圾对象了，接下来的垃圾回收只需限制在unreachable链表中即可。

分代回收

分代回收的思想：将系统中的所有内存块根据其存活时间划分为不同的集合，每一个集合就称为一个“代”
垃圾收集的频率随着“代”的存活时间的增大而减小，也就是说，活的越长的对象，就越可能不是垃圾，就应该
越少去收集。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中。
在Python中总共有三个“代”，每个代其实就是上文中所提到的一条可收集对象链表。下面的数组就是用于分代
垃圾收集的三个“代”。

#define NUM_GENERATIONS 3
#define GEN_HEAD(n) (&generations[n].head)

// 三代都放到这个数组中
/* linked lists of container objects */
static struct gc_generation generations[NUM_GENERATIONS] = {
/* PyGC_Head, threshold, count */
{{{GEN_HEAD(0), GEN_HEAD(0), 0}}, 700, 0}, //700个container, 超过立即触发垃圾回收机制
{{{GEN_HEAD(1), GEN_HEAD(1), 0}}, 10, 0}, // 10个
{{{GEN_HEAD(2), GEN_HEAD(2), 0}}, 10, 0}, // 10个
};

PyGC_Head *_PyGC_generation0 = GEN_HEAD(0);

其中存在三个阈值，分别是700,10，10
可以通过get_threshold()方法获得阈值：

import gc
print(gc.get_threshold())
(700, 10, 10) 

其中第一个阈值表示第0代链表最多可以容纳700个container对象，超过了这个极限值，就会立即出发垃圾回收机制。

后面两个阈值10是分代有关系，就是每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。也就是空间换时间的体现。


垃圾回收的流程：
--> 分配内存的时候发现超过阈值(第0代的container个数)，触发垃圾回收
--> 将所有可收集对象链表放在一起(将比当前处理的“代”更年轻的"代"的链表合并到当前”代“中)
--> 计算有效引用计数
--> 根据有效引用计数分为计数等于0和大于0两个集合
--> 引用计数大于0的对象，放入下一代
--> 引用计数等于0的对象，执行回收
--> 回收遍历容器内的各个元素, 减掉对应元素引用计数(破掉循环引用)
--> python底层内存管理机制回收内存

参考文档：
http://www.cnblogs.com/vamei/p/3232088.html
http://python.jobbole.com/83548/
http://python.jobbole.com/82061/
python源码剖析