python垃圾回收机制

简单分析一下python中的垃圾回收机制,主要从三方面阐述:引用计数、标记清除、分代回收。

引用计数

引用计数是什么?

引用计数是编程语言中的一种内存管理技术;将资源(可以是对象、内存或磁盘空间等)的引用次数保存起来

引用计数为零时,资源将被释放。

如何使引用计数减少?

del语句会删除对象的一个引用,这会导致该引用指向的对象的引用计数减1

注意:任何调试或追踪程序会给对象增加一个额外引用,这会推迟该对象的回收时间

引用计数会导致什么问题?

由于两个或以上对象互相引用时,彼此引用计数不为0, 造成循环引用而无法回收。

In [1]: a = [1]

In [2]: b = [2]

In [3]: a.append(b)

In [4]: b.append(a)

In [5]: a
Out[5]: [1, [2, [...]]]

In [6]: b
Out[6]: [2, [1, [...]]]

如何查看引用计数?

In [7]: import sys

In [8]: sys.getrefcount(a)
Out[8]: 15

In [9]: sys.getrefcount(b)
Out[9]: 15

标记清除

Python引入了其它的垃圾回收机制来弥补引用计数的缺陷:"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-sweep

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。

垃圾标记时(也就是检测循环引用时),先将集合中对象的引用计数复制一份副本(以免在操作过程中破坏真实的引用计数值)

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。首先将如今的内存链表一分为二,一条链表中维护root object集合,称为root链表;而另外一条链表中维护剩下的对象,称unreachable链表。

之所以要剖成两个链表,是基于这种一种考虑:如今的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,发现这种对象,就将其从unreachable链表中移到root链表中。

当标记完毕后,unreachable链表中剩下的全部对象就是名副事实上的垃圾对象了,接下来的垃圾回收仅仅需限制在unreachable链表中就可以。

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listdicttupleinstance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。

分代回收

一系列的研究表明:不管使用何种语言开发。不管开发的是何种类型,何种规模的程序,都存在这样一点同样之处。即:一定比例的内存块的生存周期都比較短,一般是几百万条机器指令的时间。而剩下的内存块,其生存周期比较长,甚至会从程序开始一直持续到程序结束

从前面“标记-清除”这种垃圾收集机制来看。这种垃圾收集机制所带来的额外操作,实际上与系统中总的内存块的数量是相关的。当须要回收的内存块越多时,垃圾检测带来的额外操作就越多;反之,垃圾回收带来的额外操作就越少。

将系统中的全部内存块依据其存活时间划分为不同的集合,每个集合就成为一个“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,活得越长的对象。就越不可能是垃圾,就应该降低对它的垃圾收集频率。那么怎样来衡量这个存活时间:一般是利用几次垃圾收集动作来衡量,假设一个对象经过的垃圾收集次数越多,能够得出:该对象存活时间就越长。

分代回收是一种以空间换时间的操作方式,Python将内存根据对象的存活时间划分为不同的集合,每个集合称为一个代,Python将内存分为了3“代”,分别为年轻代(第0代)、中年代(第1代)、老年代(第2代),他们对应的是3个链表,它们的垃圾收集频率与对象的存活时间的增大而减小。新创建的对象都会分配在年轻代,年轻代链表的总数达到上限时,Python垃圾收集机制就会被触发,把那些可以被回收的对象回收掉,而那些不会回收的对象就会被移到中年代去,依此类推,老年代中的对象是存活时间最久的对象,甚至是存活于整个系统的生命周期内。同时,分代回收是建立在标记清除技术基础之上。分代回收同样作为Python的辅助垃圾收集技术处理那些容器对象.