python中的垃圾回收机制怎么实现

python采用的是引用计数机制为主，标记-清除和**分代收集（隔代回收）**两种机制为辅的策略。

计数引用

因为python中一切皆为对象，你所看到的一切变量，本质上都是对象的一个指针。当一个对象不再调用的时候，也就是当这个对象的引用计数(指针数)为 0 的时候，说明这个对象永不可达，自然它也就成为了垃圾，需要被回收。可以简单的理解为没有任何变量再指向它。

importosimportpsutil#显示当前python程序占用的内存大小defshow_memory_info(hint):pid=os.getpid()p=psutil.Process(pid)info=p.memory_full_info()memory=info.uss/1024./1024print({}memoryused:{}MB.format(hint,memory))

可以看到调用函数 func()，在列表 a 被创建之后，内存占用迅速增加到了 433 MB：而在函数调用结束后，内存则返回正常。这是因为，函数内部声明的列表 a 是局部变量，在函数返回后，局部变量的引用会注销掉;此时，列表 a 所指代对象的引用数为 0，Python 便会执行垃圾回收，因此之前占用的大量内存就又回来了。

deffunc():show_memory_info(initial)globalaa=[iforiinrange(10000000)]show_memory_info(afteracreated)func()show_memory_info(finished)##########输出##########initialmemoryused:48.88671875MBafteracreatedmemoryused:433.94921875MBfinishedmemoryused:433.94921875MB

新的这段代码中，global a 表示将 a 声明为全局变量。那么，即使函数返回后，列表的引用依然存在，于是对象就不会被垃圾回收掉，依然占用大量内存。同样，如果我们把生成的列表返回，然后在主程序中接收，那么引用依然存在，垃圾回收就不会被触发，大量内存仍然被占用着：

deffunc():show_memory_info(initial)a=[iforiinderange(10000000)]show_memory_info(afteracreated)returnaa=func()show_memory_info(finished)##########输出##########initialmemoryused:47.96484375MBafteracreatedmemoryused:434.515625MBfinishedmemoryused:434.515625MB

那怎么可以看到变量被引用了多少次呢?通过 sys.getrefcount

importsysa=[]#两次引用，一次来自a，一次来自getrefcountprint(sys.getrefcount(a))deffunc(a):#四次引用，a，python的函数调用栈，函数参数，和getrefcountprint(sys.getrefcount(a))func(a)#两次引用，一次来自a，一次来自getrefcount，函数func调用已经不存在print(sys.getrefcount(a))##########输出##########242

如果其中涉及函数调用，会额外增加两次1. 函数栈2. 函数调用

从这里就可以看到python不再需要像C那种的认为的释放内存，但是python同样给我们提供了手动释放内存的方法 gc.collect()

importgcshow_memory_info(initial)a=[iforiinrange(10000000)]show_memory_info(afteracreated)delagc.collect()show_memory_info(finish)print(a)##########输出##########initialmemoryused:48.1015625MBafteracreatedmemoryused:434.3828125MBfinishmemoryused:48.33203125MB---------------------------------------------------------------------------NameErrorTraceback(mostrecentcalllast)in1112show_memory_info(finish)--->13print(a)NameError:nameaisnotdefined

截止目前，貌似python的垃圾回收机制非常的简单，只要对象引用次数为0，必定为触发gc，那么引用次数为0是否是触发gc的充要条件呢?

循环回收

如果有两个对象，它们互相引用，并且不再被别的对象所引用，那么它们应该被垃圾回收吗?

deffunc():show_memory_info(initial)a=[iforiinrange(10000000)]b=[iforiinrange(10000000)]show_memory_info(aftera,bcreated)a.append(b)b.append(a)func()show_memory_info(finished)##########输出##########initialmemoryused:47.984375MBaftera,bcreatedmemoryused:822.73828125MBfinishedmemoryused:821.73046875MB

从结果显而易见，它们并没有被回收，但是从程序上来看，当这个函数结束的时候，作为局部变量的a，b就已经从程序意义上不存在了。但是因为它们的互相引用，导致了它们的引用数都不为0。这时要如何规避呢

\1. 从代码逻辑上进行整改，避免这种循环引用

\2. 通过人工回收

importgcdeffunc():show_memory_info(initial)a=[iforiinrange(10000000)]b=[iforiinrange(10000000)]show_memory_info(aftera,bcreated)a.append(b)b.append(a)func()gc.collect()show_memory_info(finished)##########输出##########initialmemoryused:49.51171875MBaftera,bcreatedmemoryused:824.1328125MBfinishedmemoryused:49.98046875MB

python针对循环引用，有它的自动垃圾回收算法1. 标记清除(mark-sweep)算法2. 分代收集(generational)

标记清除

标记清除的步骤总结为如下步骤1. GC会把所有的『活动对象』打上标记2. 把那些没有标记的对象『非活动对象』进行回收那么python如何判断何为非活动对象?通过用图论来理解不可达的概念。对于一个有向图，如果从一个节点出发进行遍历，并标记其经过的所有节点;那么，在遍历结束后，所有没有被标记的节点，我们就称之为不可达节点。显而易见，这些节点的存在是没有任何意义的，自然的，我们就需要对它们进行垃圾回收。但是每次都遍历全图，对于 Python 而言是一种巨大的性能浪费。所以，在 Python 的垃圾回收实现中，mark-sweep 使用双向链表维护了一个数据结构，并且只考虑容器类的对象(只有容器类对象，list、dict、tuple，instance，才有可能产生循环引用)。

图中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。

分代回收

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(当垃圾回收器中新增对象减去删除对象达到相应的阈值时)，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。事实上，分代回收基于的思想是，新生的对象更有可能被垃圾回收，而存活更久的对象也有更高的概率继续存活。因此，通过这种做法，可以节约不少计算量，从而提高 Python 的性能。所以对于刚刚的问题，引用计数只是触发gc的一个充分非必要条件，循环引用同样也会触发。

调试

可以使用 objgraph来调试程序，因为目前它的官方文档，还没有细读，只能把文档放在这供大家参阅啦~其中两个函数非常有用 1. show_refs() 2. show_backrefs()