一、引用計(jì)數(shù)

Python 垃圾回收以引用計(jì)數(shù)為主，分代回收為輔。引用計(jì)數(shù)法的原理是每個(gè)對(duì)象維護(hù)一個(gè)ob_refcnt，用來記錄對(duì)象被引用的次數(shù)，也就是用來追蹤有多少個(gè)引用指向了對(duì)象，當(dāng)發(fā)生以下四種情況的時(shí)候，對(duì)象的引用計(jì)數(shù)+1：

• 對(duì)象被創(chuàng)建，比如：a = 14
• 對(duì)象被引用，比如： b = a
• 對(duì)象被作為參數(shù)，傳給函數(shù)，比如：func(a)
• 對(duì)象作為容器中的一個(gè)元素，比如：List = {a, ”a” , ”b”, 2}
  

與上述情況相對(duì)應(yīng)，當(dāng)發(fā)生以下四種情況時(shí)，對(duì)象的引用計(jì)數(shù)-1：

對(duì)象的別名被顯式銷毀，比如：del a
對(duì)象的別名被賦予新的對(duì)象，比如：a = 26
對(duì)象離開它的作用域，比如 func() 執(zhí)行完畢時(shí)，函數(shù)里面的所有局部變量的引用計(jì)數(shù)都會(huì)減 1
將元素從容器中刪除，或者容器被銷毀
當(dāng)對(duì)象的引用計(jì)數(shù)為 0 時(shí)，它將被 Python 虛擬機(jī)回收。

在 Python 中一切皆對(duì)象，它們的核心是 Py_Object 結(jié)構(gòu)體，所有 Python 對(duì)象的頭部都包含該結(jié)構(gòu)：

// object.h
#define PyObject_HEAD   
 _PyObject_HEAD_EXTRA  
 Py_ssize_t ob_refcnt;  
 struct _typeobject *ob_type;
​
typedef struct _object {
 PyObject_HEAD
} PyObject;

比如 int 類型的定義如下：

// intobj.h
typedef struct {
 PyObject_HEAD
 long ob_ival;
} PyIntObject;

簡而言之，PyObject 是每個(gè)對(duì)象必有的內(nèi)容，其中 ob_refcnt 是對(duì)象的引用計(jì)數(shù)。對(duì)象有新的引用時(shí)，它的 ob_refcnt 會(huì)增加；當(dāng)對(duì)象的引用被刪除時(shí)，ob_refcnt 會(huì)減少。當(dāng)引用計(jì)數(shù)為 0 時(shí)，對(duì)象的生命周期就結(jié)束了。

// object.h
#define Py_INCREF(op) (    
 _Py_INC_REFTOTAL _Py_REF_DEBUG_COMMA 
 ((PyObject*)(op))->ob_refcnt++)
​
#define Py_DECREF(op)     
 do {      
 if (_Py_DEC_REFTOTAL _Py_REF_DEBUG_COMMA 
 --((PyObject*)(op))->ob_refcnt != 0)  
  _Py_CHECK_REFCNT(op)   
 else      
 _Py_Dealloc((PyObject *)(op));   
 } while (0)

引用計(jì)數(shù)有很明顯的優(yōu)點(diǎn)：

• 高效
• 運(yùn)行期沒有停頓，即實(shí)時(shí)性：對(duì)象一旦沒有引用，將直接被釋放。實(shí)時(shí)性還帶來一個(gè)好處是：處理回收內(nèi)存的時(shí)間分?jǐn)偟搅似綍r(shí)
• 對(duì)象有確定的生命周期
• 易于實(shí)現(xiàn)
  

原始的引用計(jì)數(shù)法也有明顯的缺點(diǎn)：

• 維護(hù)引用計(jì)數(shù)消耗資源，維護(hù)引用計(jì)數(shù)的次數(shù)和引用賦值成正比
• 無法解決循環(huán)引用的問題

比如：

list1 = []
list2 = []
list1.append(list2)
list2.append(list1)

為了解決這兩個(gè)致命弱點(diǎn)，Python 又引入了以下兩種 GC 機(jī)制。

二、標(biāo)記-清除

『標(biāo)記-清除（Mark-Sweep）』算法是一種基于追蹤回收（tracing GC）技術(shù)實(shí)現(xiàn)的垃圾回收算法。它分為兩個(gè)階段：第一階段是標(biāo)記階段，GC 會(huì)給所有『活動(dòng)對(duì)象』打上標(biāo)記；第二階段是回收沒有標(biāo)記的『非活動(dòng)對(duì)象』。那么 GC 如何判斷哪些是活動(dòng)對(duì)象、哪些是非活動(dòng)對(duì)象呢？

對(duì)象之間通過引用（指針）連在一起，構(gòu)成一個(gè)有向圖。對(duì)象是有向圖的頂點(diǎn)，引用關(guān)系是有向圖的弧。從根對(duì)象（root object）出發(fā)，遍歷有向圖，將可達(dá)的（reachable）對(duì)象標(biāo)記為活動(dòng)對(duì)象，不可達(dá)的對(duì)象就是要被清除的非活動(dòng)對(duì)象。根對(duì)象是全局變量、調(diào)用棧、寄存器。

在上圖中，把小黑圈視為全局變量，也就是把它作為 root object，從小黑圈出發(fā)，對(duì)象 1 可直達(dá)，那么它將被標(biāo)記，對(duì)象 2、3 可間接到達(dá)，也會(huì)被標(biāo)記，而 4 和 5 不可達(dá)，因此 1、2、3 是活動(dòng)對(duì)象，4 和 5 是非活動(dòng)對(duì)象，會(huì)被 GC 回收。

標(biāo)記清除算法作為 Python 的輔助垃圾回收技術(shù)，主要用于處理容器對(duì)象，比如 list、dict、tuple、instance 等，因?yàn)樽址?shù)值等原子類型的對(duì)象不可能造成循環(huán)引用問題。Python 使用雙向鏈表將容器對(duì)象組織起來。不過這種簡單粗暴的標(biāo)記清除算法也有明顯的缺點(diǎn)：清除非活動(dòng)對(duì)象前，必須順序掃描整個(gè)堆內(nèi)存，哪怕只剩下小部分非活動(dòng)對(duì)象，也要掃描所有對(duì)象。

三，分代回收

分代回收是一種以空間換時(shí)間的操作方式，Python 將內(nèi)存根據(jù)對(duì)象的存活時(shí)間劃分為不同的集合，每個(gè)集合稱為一個(gè)代，Python 將內(nèi)存分為了 3 代，分別為年輕代（第 0 代）、中年代（第 1 代）、老年代（第 2 代），它們對(duì)應(yīng)是 3 個(gè)鏈表，垃圾回收頻率隨著對(duì)象存活時(shí)間的增大而減小。新創(chuàng)建的對(duì)象都會(huì)被分配到年輕代，當(dāng)年輕代鏈表的節(jié)點(diǎn)總數(shù)達(dá)到上限時(shí)，Python 垃圾收集機(jī)制就會(huì)被觸發(fā)，把可以被回收的對(duì)象回收掉，而不能被回收的對(duì)象會(huì)被移到中年代去，依此類推，老年代中的對(duì)象是存活時(shí)間最久的對(duì)象，甚至存活于整個(gè)系統(tǒng)的生命周期內(nèi)。分代回收建立在標(biāo)記清除的基礎(chǔ)之上，分代回收同樣作為 Python 處理容器對(duì)象的輔助垃圾回收技術(shù)。

以上就是python中的GC機(jī)制的詳細(xì)內(nèi)容，更多關(guān)于python GC的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論