趣谈Python垃圾回收机制

今天唠点啥

上次发文看到有位朋友评论“来了,来了,他来了”，哈哈哈哈觉得挺逗。确实，老Amy今天又来啦[此处应该有掌声]~

我就寻思着，上篇文章车都开稳了，今天要怎么假装“正经”的跟大家唠点。来吧朋友，让我们一起举杯聊一聊垃圾是怎么回收的[饿，此辣鸡非彼辣鸡]…别走，听我叭叭。

啥是垃圾？

在Python程序运行的时候，会在内存中开辟一块空间，用于存放临时变量；当计算完成之后，就会将结果输出到永久性存储器中。如果数据量特别大，那内存空间管理不妥当的话就非常容易BOOM[爆内存]，程序可能直接终止。

就比如说，老Amy住在40㎡的房间，非常喜欢购物[女银好可怕]，买完就往家里一丢，从不清理。直到有一天，房子“爆炸了”。原因：惊！某女疯狂购物导致房间内存不够爆炸？

老Amy就跟老居老J哭诉这件事件，他们分别给我提供了相应的解决方案。

方案一
老居老J：“控几寄几，少购物”
我：“不购物，岂不是相当于不在Python写变量了？不可能！”
方案二
老居老J：“换大房子”
我：“选择将房子换成更大的确实能提高存储，但是贵阿[哭了]”
方案三
老居老J：“列出不用物品清单，放到小区回收箱”
我：“这可以，终于说了句’人话’了[嘿嘿]…”

所以，Python也是同理。但是，Python要怎么确认这个物品(对象)永远不会被调用了呢？

计数引用

在Python中，一切皆对象。所以，每一个变量，实际上都是对象的一个指针。所以，当这个对象的引用计数(指针数)为0的时候，说明它也变成了垃圾，需要被放到回收箱中。

def show_info(start):pid = os.getpid()p = psutil.Process(pid)info = p.memory_full_info()memory = info.uss/1024./1024print(f"{start}一共占用{memory:.2f}MB")def func():show_info("initial")li = [i for i in range(1000000)]show_info("created")func()
show_info("finished")Out[1]: initial一共占用26.40MB
Out[2]: created一共占用65.39MB
Out[3]: finished一共占用26.91MB

通过以上代码，就可以发现，调用函数func()，列表li被创建之后，内存由26.40MB增到了65.39MB。但是当函数内部代码执行完毕，返回到函数调用处时，内存又降为了26.91MB。[内心OS，简直是一场过山车呀]

这是因为，函数内部声明的列表li是局部变量，在函数返回后，局部变量的引用就会被注销掉；这个时候，列表li所指代对象的引用数为0，Python就会对其进行垃圾回收，因此之前占用的大量内存又回来了。

那有的朋友可能就会疑问：“那如果列表li是全局变量呢？”

OK，那我们一起来康康

def show_info(start):pid = os.getpid()p = psutil.Process(pid)info = p.memory_full_info()memory = info.uss/1024./1024print(f"{start}一共占用{memory:.2f}MB")def func():show_info("initial")global lili = [i for i in range(1000000)]show_info("created")func()
show_info("finished")Out[1]: initial一共占用26.36MB
Out[2]: created一共占用65.27MB
Out[3]: finished一共占用65.22MB

当通过global关键字将列表li声明为全局变量的时候，即使函数体内代码执行完毕，返回到函数调用处时，对列表li的引用仍然是存在的，所以对象不会被垃圾回收，依然占有大量内存。

同理，在列表li为局部变量时，我们也可以通过将它返回出去，并且在函数调用处用变量接收，这样也实现了对列表li的引用。垃圾回收也不会被触发。

def show_info(start):pid = os.getpid()p = psutil.Process(pid)info = p.memory_full_info()memory = info.uss/1024./1024print(f"{start}一共占用{memory:.2f}MB")def func():show_info("initial")li = [i for i in range(1000000)]show_info("created")return lires = func()
show_info("finished")Out[1]: initial一共占用26.27MB
Out[2]: created一共占用65.37MB
Out[3]: finished一共占用65.23MB

并且，我们可以通过sys.getrefcount()这个函数，来扒一扒Python内部的引用计数机制。

import sysa = [1,2,3]# 引用次数：2  一次：a   一次：getrefcount
print(sys.getrefcount(a))      def func(a):# 引用次数：4  一次：a  一次：函数调用  一次：函数参数  一次：getrefcountprint(sys.getrefcount(a)) func(a)# 引用次数：2  一次：a   一次：getrefcount  注：此时func调用已经释放
print(sys.getrefcount(a))      Out[1]: 2
Out[2]: 4
Out[3]: 2

注意
• getrefcount本身也会引入一次计数
• 函数调用时引入一次计数，以及函数参数引入一次计数

除此之外，来思考以下代码执行结果

import sys
a = [1,2,3]
print(sys.getrefcount(a))   # 2b = a
print(sys.getrefcount(a))   # 3c = b
d = c
print(sys.getrefcount(a))  Out[1]: 2
Out[2]: 3
Out[3]: 5

需要注意的是，a、b、c、d四个变量全部指向一个对象，getrefcount统计的是引用次数，所以结合getrefcount本身也会引入一次计数，一共是5次引用。

所以大家会发现，Python比老Amy智能多了，它会自动的去检测该对象是否是垃圾[对象是垃圾?..等着受罚把hh]，以及将其回收。这也被称为是Python当中的垃圾回收机制。

当然，有的朋友也会问，就很饥渴的想要手动的释放内存[我看不太懂的亚子！]，要怎么来做呢？

手动启动垃圾回收

其实百变不离其中，如果我们可以手动删除完对象的引用，然后强制调用gc.collect()清除没有引用的对象，其实也就是手动的启动对象的回收。

import sys
import gca = [1,2,3]print(sys.getrefcount(a))del a
gc.collect()
print(a)---------------------------------------------------------------------------
Traceback (most recent call last):File "D:/Amy/Basic/garbageCollection/demo.py", line 155, in <module>print(a)
NameError: name 'a' is not defined

到这儿，大家已经大概的掌握了Python垃圾回收机制中的引用计数法。能看到这里的朋友都非常的奈斯，如果对你有帮助的话，emmm…记得三连奥[不允许下次一定,hhh]

如果想要康康更多关于Python的文章，可以关注额滴公众号~支持支持程序媛，康桑思密达