量越来越多所占用的空间势必越来越大如果对变量所占用的内存空间管理不当的话那么肯定会出现

out

是怎么解决这个问题的呢。

其实很简单对不不可能再使用到的内存进行回收即可像

语言中需要程序员手动释放内存就是这个道理。

但问题是如何确定哪些内存不再会被使用到呢这就是我们今天要说的垃圾回收了。

目前垃圾回收比较通用的解决办法有三种引用计数标记清除以及分代回收。

引用计数

中大多数对象的生命周期都是通过对象的引用计数来管理的。

其原理非常简单我们为每个对象维护一个

ref

的字段用来记录对象被引用的次数每当对象被创建或者被引用时将该对象的引用次数加一当对象的引用被销毁时该对象的引用次数减一当对象的引用次数减到零时说明程序中已经没有任何对象持有该对象的引用换言之就是在以后的程序运行中不会再次使用到该对象了那么其所占用的空间也就可以被释放了了。

import

end)foo()print_memory_info(main

end)

函数中创建一个包含一百万个整数的列表。

从打印结果我们可以看出创建完列表之后程序耗用的内存空间上升到了

foo

变量是局部变量其作用域是当前函数内部一旦函数执行完毕局部变量的引用会被自动销毁即其引用次数会变为零所占用的内存空间也会被回收。

foo

内部产生的列表返回并在主程序中接收之后这样就会导致该列表的引用依然存在该对象后续仍有可能被使用到垃圾回收便不会回收该对象。

那么什么时候对象的引用次数才会增加呢。

下面四种情况都会导致对象引用次数加一。

对象被创建num2

引用计数看起来非常简单实现起来也不复杂只需要维护一个字段保存对象被引用的次数即可那么是不是就代表这种算法没有缺点了呢。

实则不然我们知道引用次数为零的对象所占用的内存空间肯定是需要被回收的。

那引用次数不为零的对象呢是不是就一定不能回收呢

foo

list_b然后将两个列表分别添加到另外一个中。

由结果可以看出即使

foo

来说虽然没有被任何外部对象引用但因为二者之间交叉引用以至于每个对象的引用计数都不为零这也就造成了其所占用的空间永远不会被回收的尴尬局面。

这个缺点是致命的。

标记清除

显然可以包含其他对象引用的容器对象都有可能产生交叉引用问题而标记清除算法就是为了解决交叉引用的问题的。

标记清除算法是一种基于对象可达性分析的回收算法该算法分为两个步骤分别是标记和清除。

标记阶段将所有活动对象进行标记清除阶段将所有未进行标记的对象进行回收即可。

那么现在的问题变为了

事实上

会从根结点出发与根结点直接相连或者间接相连的对象我们将其标记为活动对象该对象可达之后进行回收阶段将未标记的对象不可达对象进行清除。

前面所说的根结点可以是全局变量也可以是调用栈。

标记清除算法主要用来处理一些容器对象虽说该方法完全可以做到不误杀不遗漏但

时必须扫描整个堆内存即使只有少量的非可达对象需要回收也需要扫描全部对象。

这是一种巨大的性能浪费。

分代回收

由于标记清除算法需要扫描整个堆的所有对象导致其性能有所损耗而且当可以回收的对象越少时性能损耗越高。

因此

Python

引入了分代回收算法将系统中存活时间不同的对象划分到不同的内存区域共三代分别是

那么什么时候触发进行垃圾回收算法呢。

事实上随着程序的运行会不断的创建新的对象同时也会因为引用计数为零而销毁大部分对象Python

会保持对这些对象的跟踪由于交叉引用的存在以及程序中使用了长时间存活的对象这就造成了新生成的对象的数量会大于被回收的对象数量一旦二者之间的差值达到某个阈值就会启动垃圾回收机制使用标记清除算法将死亡对象进行清除同时将存活对象移动到

代。

以此类推当二者的差值再次达到阈值时又触发垃圾回收机制将存活对象移动到

这样通过对不同代的阈值做不同的设置就可以做到在不同代使用不同的时间间隔进行垃圾回收以追求性能最大。

事实上所有的程序都有一个相似的现象那就是大部分的对象生存周期都是相当短的只有少量对象生命周期比较长甚至会常驻内存从程序开始运行持续到程序结束。

而通过分代回收算法做到了针对不同的区域采取不同的回收频率节约了大量的计算从而提高

Python

除了上面所说的差值达到一定阈值会触发垃圾回收之外我们还可以显示的调用

gc.collect()

其中引用计数法是最简单直接的但是需要维护一个字段且针对交叉引用无能为力。

标记清除算法主要是为了解决引用计数的交叉引用问题该算法的缺点就是需要扫描整个堆的所有对象有点浪费性能。

而分代回收算法的引入则完美解决了标记清除算法需要扫描整个堆对象的性能浪费问题。

该算法也是建立在标记清除基础之上的。

gc.collect()