python的垃圾回收-编程知识

引用计数器为主，标记清除和分代回收为辅

1 引用计数器

在这里插入图片描述

在python程序运行时，会根据数据类型的不同找到其对应的结构体，根据结构体中的字段来进行创建相关的数据，然后将对象添加到refchain双像链表中，每个对象中的ob_refcnt就是引用计算器，值默认是为1，当有其他的变量引用对象时，引用计数器就会发生变化。

当一个对象的ob_refcnt为0时，会进行垃圾回收，将对象从refchain链表中移除，将对象销毁，内存回收

2 标记清除

标记清除存在的问题:循环引用
在这里插入图片描述

为了解决循环引用的问题，python引入了标记清除的技术:在python底层再维护一个链表，链表中专门存放可能存在循环引用的的对象(list/tuple/dict/set)，在python内部的某种情况下下触发会去扫描标记情况中的每个元素，检查是否有循环引用如果有则让双方的引用计数-1，refcnt为0则垃圾回收。

3 分代回收

标记清除存在两个问题

什么时候去扫描标记清除的链表
扫描标记清除的链接扫描的代价大，每次扫描耗时比较久

将标记清除的链表分为三代

0代：0代中对象个数达到700个扫描一次
1代：0代扫描达到10次，则1代扫描一次
2代：1代扫描10次，则2代扫描一次

分代清除解决什么时候去扫描和扫描耗时的问题，当0代的对象个数达到700时会扫描0代计数为0的垃圾回收，否则升级为1代，当0代扫描了10次时会扫描1代，计数器为0清除，否则升级为2代

4 python缓存机制

为了优化python对内存的使用底层使用了多种缓存机制

在这里插入图片描述

4.1 小整数池

a = 10
b = 10print(a == b)   # True
print(a is b)   # True

python 中经常使用的一些数组定位为小整数池，小整数池的范围为**-5~256**,python对这些数值已经提前创建好了内存地址，即使多次重新定义也不会重新开辟新的空间，但小整数池外在重新定义时会再次开辟新的空间，锁小整数池中的内存地址时相同的

4.2 不可变类型缓存

a = 100000000000000000
b = 100000000000000000print(a == b)   # True
print(a is b)   # Truea = "aaa"
b = "aaa"
print(a == b)   # True
print(a is b)   # Truea = 12.2
b = 12.2
print(a == b)   # True
print(a is b)   # Truea = (1, 2, 3)
b = (1, 2, 3)
print(a == b)   # True
print(a is b)   # True

pyhon解释器启动时会先从内存中开辟出来一小块内存，用于存储高频使用的数据(不可变类型，数字、字符串、元组)，这样可以大大减小使用数据的对象时申请内存和销毁内存的开销。在同一块代码下，不可变类型的对象被多个变量引用，不会重复开辟内存空间，可变类型(字典、列表、集合)被多个变量创建时会重新开辟新的内存地址

而交互模式下，不会使用缓存机制

4.3 字符驻留

#交互模式
>>> s1='hello'
>>> s2='hello'
>>> print(s1 is s2)
True

字符串作为python最为常用的数据类型，python为了提高字符串的使用效率和使用性能，使用了intern(字符串驻留)来提高字符串的效率，即使同样的字符串对象仅仅会保存一份，放在一个和字符串储存池中，是共用的，有新的变量引用同样的字符串时候，不会开辟新的内存空间，而是引用这个共有的字符串。所以在交互模式下字符也是同一个对象

满足字符驻留的条件

在交互模式下，只包含字母数字下划线的字符串才会触发 intern 机制
在 IDE 环境或者脚本模式下，只要长度不超过20（长度限制），即使使用特殊字符也会触发 intern 机制
用的是 python 3.9，发现没有长度限制了，都会触发 intern 机制

4.4 free_list

当一个对象的引用计算器为0时，按道理说应该回收，但是内部不会直接直接将开辟的内存空间直接回收，而是将对象放在free_list链表中当缓存，以后再去创建对象时不再重新开辟内存而是直接使用free_list的对象。（float/list/tuple/dict）

v1 = 3.14
del v1

当运行这段代码会创建一个float对象，并将其加到refchain中。接下来执行删除操作，这时候v1的引用计数器变为零，这时候理应对v1执行垃圾回收，将其从refchain中进行摘除，并从内存中进行消除。但是实际上，Python会将这个对象存放到free_list中。当以后创建一个变量v9=999.99，这时候Python就不会重新开辟内存，而是直接从free_list获取这个对象，获取到对象之后对对象中的数据进行初始化，再放到refchain中，这也是一种优化机制。

free_list不会把每一个对象都放进来，free_list假设最多能放80个，当del了80个，这些对象都会存放在free_list中，当del第81个对象时，因为free_list已经满了，因此不会缓存到free_list中，这个时候才会对对象进行销毁。