Python内存管理大揭秘

上一篇 / 下一篇  2020-12-28 13:16:39

  前言
  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,还是Java的垃圾回收,都成为语言最重要的特征。这里以Python语言为例子,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,也可以很有内涵。Python的赋值语句就很值得研究。
  a = 1 
  整数1为一个对象。而a是一个引用。利用赋值语句,引用a指向对象1。Python是动态类型的语言(参考动态类型),对象与引用分离。Python像使用“筷子”那样,通过引用来接触和翻动真正的食物——对象。
  为了探索对象在内存的存储,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,这里所谓的身份,就是该对象的内存地址。
  a = 1  
  print(id(a))  
  print(hex(id(a)))
  在我的计算机上,它们返回的是:
  11246696  
  '0xab9c68' 
  分别为内存地址的十进制和十六进制表示。
  在Python中,整数和短小的字符,Python都会缓存这些对象,以便重复使用。当我们创建多个等于1的引用时,实际上是让所有这些引用指向同一个对象。
  a = 1  
  b = 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,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 = 1  
  b = 1  
  print(a is b) 
  # True  
  a = "good"  
  b = "good"  
  print(a is b)  
  # False  
  a = "very good morning"  
  b = "very good morning"  
  print(a is b)  
  # False  
  a = []  
  b = []  
  print(a is b) 
  上面的注释为相应的运行结果。可以看到,由于Python缓存了整数和短字符串,因此每个对象只存有一份。比如,所有整数1的引用都指向同一对象。即使使用赋值语句,也只是创造了新的引用,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,可以使用赋值语句创建出新的对象。
  在Python中,每个对象都有存有指向该对象的引用总数,即引用计数(reference count)。
  我们可以使用sys包中的getrefcount(),来查看某个对象的引用计数。需要注意的是,当使用某个引用作为参数,传递给getrefcount()时,参数实际上创建了一个临时的引用。因此,getrefcount()所得到的结果,会比期望的多1。
  from sys import getrefcount  
  a = [1, 2, 3]  
  print(getrefcount(a))  
  b = a  
  print(getrefcount(b)) 
  由于上述原因,两个getrefcount将返回2和3,而不是期望的1和2。
  对象引用对象
  Python的一个容器对象(container),比如表、词典等,可以包含多个对象。实际上,容器对象中包含的并不是元素对象本身,是指向各个元素对象的引用。
  我们也可以自定义一个对象,并引用其它对象:
  class from_obj(object):  
      def __init__(self, to_obj):  
          self.to_obj = to_obj  
  b = [1,2,3]  
  a = from_obj(b)  
  print(id(a.to_obj))  
  print(id(b))
  可以看到,a引用了对象b。
  对象引用对象,是Python最基本的构成方式。即使是a = 1这一赋值方式,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,A的引用计数将增加1。
  from sys import getrefcount  
  a = [1, 2, 3]  
  print(getrefcount(a))  
  b = [a, a]  
  print(getrefcount(a)) 
  由于对象b引用了两次a,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,比如
  x = [1, 2, 3]  
  y = [x, dict(key1=x)]  
  z = [y, (x, y)]  
  import objgraph  
  objgraph.show_refs([z], filename='ref_topo.png') 

  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 
  objgraph官网:http://mg.pov.lt/objgraph/
  两个对象可能相互引用,从而构成所谓的引用环(reference cycle)。
  a = []  
  b = [a]  
  a.append(b) 
  即使是一个对象,只需要自己引用自己,也能构成引用环。
  a = []  
  a.append(a)  
  print(getrefcount(a)) 
  引用环会给垃圾回收机制带来很大的麻烦,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,可以使用del关键字删除某个引用:
  from sys import getrefcount  
  a = [1, 2, 3]  
  b = 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,比如:
  a = [1,2,3]  
  del a[0]  
  print(a)
  如果某个引用指向对象A,当这个引用被重新定向到某个其他对象B时,对象A的引用计数减少:
  from sys import getrefcount  
  a = [1, 2, 3]  
  b = a  
  print(getrefcount(b))  
  a = 1  
  print(getrefcount(b)) 
  垃圾回收
  吃太多,总会变胖,Python也是这样。当Python中的对象越来越多,它们将占据越来越大的内存。不过你不用太担心Python的体形,它会乖巧的在适当的时候“减肥”,启动垃圾回收(garbage collection),将没用的对象清除。在许多语言中都有垃圾回收机制,比如Java和Ruby。尽管最终目的都是塑造苗条的提醒,但不同语言的减肥方案有很大的差异 。
  从基本原理上,当Python的某个对象的引用计数降为0时,说明没有任何引用指向该对象,该对象就成为要被回收的垃圾了。比如某个新建对象,它被分配给某个引用,对象的引用计数变为1。如果引用被删除,对象的引用计数为0,那么该对象就可以被垃圾回收。比如下面的表:
  a = [1, 2, 3]  
  del a 
  del a后,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,就成了不健康的脂肪。当垃圾回收启动时,Python扫描到这个引用计数为0的对象,就将它所占据的内存清空。
  然而,减肥是个昂贵而费力的事情。垃圾回收时,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,就没有必要总启动垃圾回收。所以,Python只会在特定条件下,自动启动垃圾回收。当Python运行时,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,垃圾回收才会启动。
  我们可以通过gc模块的get_threshold()方法,查看该阈值:
  import gc  
  print(gc.get_threshold()) 
  返回(700, 10, 10),后面的两个10是与分代回收相关的阈值,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,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,存活时间越久的对象,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,许多对象很快产生和消失,但也有一些对象长期被使用。出于信任和效率,对于这样一些“长寿”对象,我们相信它们的用处,所以减少在垃圾回收中扫描它们的频率。
  Python将所有的对象分为0,1,2三代。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,依然存活,那么它就被归入下一代对象。垃圾回收启动时,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,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,那么会启动对0,1,2,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,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。
  同样可以用set_threshold()来调整,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,但引用计数不为0的一些对象。
  a = []  
  b = [a]  
  a.append(b)  
  del a  
  del b 
  上面我们先创建了两个表对象,并引用对方,构成一个引用环。删除了a,b引用之后,这两个对象不可能再从程序中调用,就没有什么用处了。但是由于引用环的存在,这两个对象的引用计数都没有降到0,不会被垃圾回收。
  为了回收这样的引用环,Python复制每个对象的引用计数,可以记为gc_ref。假设,每个对象i,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,将相应的gc_ref_j减1。
  在结束遍历后,gc_ref不为0的对象,和这些对象引用的对象,以及继续更下游引用的对象,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,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,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,即引用计数,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,又有特别的地方。对该内存管理机制的理解,是提高Python性能的重要一步。

TAG: 软件开发 Python

 

评分:0

我来说两句

Open Toolbar