浅析Python垃圾回收机制！

Python垃圾回收机制

Python垃圾回收机制
- 1. 内存泄露
- 2. Python什么时候启动垃圾回收机制？

1. 内存泄露

程序本身没有设计好，导致程序未能释放已不再使用的内存
代码在分配了某段内存后，因为设计错误，失去了对这段内存的控制，从而造成了内存的浪费

监控python程序内存占用情况，psutil库

import os 
import psutil

# 显示当前程序占用内存大小
def show_memory_info(hint):
    pid = os.getpid() # 获取当前进程号
    p = psutil.Process(pid)
    info = p.memory_info()
    memory = info.rss / 1024. / 1024
    print(f"{hint} 内存用了：{memory}MB")

查看对象占用内存大小

import sys
a = [i for i in range(10000)]
memory = sys.getsizeof(a) / 1024
print(f"内存用了：{memory}KB")
# 内存用了：85.578125KB

2. Python什么时候启动垃圾回收机制？

2.1 计数引用

python中一切皆对象，所看到的一切变量，本质上都是对象的一个指针，当这个对象的引用次数为0的时候，说明这个对象永不可达，成为需要被回收的垃圾

# 查看引用次数
import sys
a = []
print(sys.getrefcount(a)) # 两次引用，一次a,一次getr
def func(a):
    # 四次引用，函数调用会产生两次额外的引用，一次来自函数栈，另一个是函数参数
    print(sys.getrefcount(a))
func(a)

2
4

def func():
    show_memory_info('初始')
    a = [i for i in range(1000000)] # 列表生成式
    show_memory_info('创建之后')
    
func()
show_memory_info('结束之后') # 内存即可被释放

初始 内存用了：52.4609375MB
创建之后 内存用了：91.921875MB
结束之后 内存用了：53.80859375MB

2.2 循环引用

python中使用标记清除算法和分代收集，来启动针对循环引用的自动垃圾回收
标记清除算法，图论中的不可达概念
分代收集算法中每一代都有一个默认阈值，超过指定阈值之后就会启动垃圾回收，如果垃圾回收启动太频繁，会造成程序性能低下，分代收集为了提高性能，因此不立刻回收。

def func():
    show_memory_info('初始')
    a = [i for i in range(1000000)] # 列表生成式
    b = [i for i in range(1000000)] # 列表生成式
    show_memory_info('创建之后')
    a.append(b)
    b.append(a)

func()
show_memory_info('结束之后') # 可以看到循环引用之后，内存依旧被占用

初始 内存用了：77.125MB
创建之后 内存用了：163.8828125MB
结束之后 内存用了：163.8828125MB

显示调用gc.collect()来启动垃圾回收

import gc

def func():
    show_memory_info('初始')
    a = [i for i in range(1000000)] # 列表生成式
    b = [i for i in range(1000000)] # 列表生成式
    show_memory_info('创建之后')
    a.append(b)
    b.append(a)

func()
# 显示调用gc.collect()来启动垃圾回收
gc.collect()
show_memory_info('结束之后')

初始 内存用了：77.609375MB
创建之后 内存用了：145.92578125MB
结束之后 内存用了：77.609375MB

问题：引用计数是0是启动垃圾回收的充要条件吗？

引用计数是其中最简单的实现，不是充要条件，只能算作充分非必要条件，循环引用需要通过不可达判定，来确定是否可以回收。python中自动回收算法包括标记清除算法和分代收集。