還記得你第一次寫 Python 代碼的時(shí)候嗎？那種隨意創(chuàng)建變量、毫無(wú)節(jié)制地 new 一個(gè)又一個(gè)對(duì)象的快感，簡(jiǎn)直讓人沉迷！可是，當(dāng)代碼運(yùn)行變慢、內(nèi)存占用飆升時(shí)，你才會(huì)意識(shí)到：

“誒？怎么 Python 還會(huì)吃這么多內(nèi)存？！”

今天，我們就來(lái)聊聊 Python 的內(nèi)存管理，幫你寫出更高效、優(yōu)化內(nèi)存占用的 Python 代碼！

1. Python 的內(nèi)存管理機(jī)制

Python 內(nèi)部使用 引用計(jì)數(shù)（Reference Counting） 和 垃圾回收（Garbage Collection, GC） 機(jī)制來(lái)管理內(nèi)存。

1.1 引用計(jì)數(shù)

每個(gè)對(duì)象都有一個(gè)“計(jì)數(shù)器”，記錄它被多少個(gè)變量引用。一旦引用計(jì)數(shù)歸零，Python 立刻釋放這個(gè)對(duì)象的內(nèi)存。

import sys

a = []  # 創(chuàng)建一個(gè)列表對(duì)象
print(sys.getrefcount(a))  # 輸出 2（因?yàn)?sys.getrefcount() 也會(huì)額外增加一次引用）

b = a  # 變量 b 也指向同一個(gè)列表
print(sys.getrefcount(a))  # 輸出 3

del a
print(sys.getrefcount(b))  # 輸出 2

del b  # 引用計(jì)數(shù)歸零，內(nèi)存被釋放

注意：sys.getrefcount() 的結(jié)果比你想象的多 1，因?yàn)樗旧硪矔?huì)創(chuàng)建一個(gè)臨時(shí)引用！

1.2 垃圾回收（GC）

Python 采用 分代回收，對(duì)象被分成三代：新生代、中生代、老生代。垃圾回收主要針對(duì)循環(huán)引用的情況。

import gc

class A:
    def __init__(self):
        self.ref = None

obj1 = A()
obj2 = A()
obj1.ref = obj2
obj2.ref = obj1  # 形成循環(huán)引用

del obj1, obj2  # 引用計(jì)數(shù)沒有歸零，Python 需要 GC 來(lái)清理

gc.collect()  # 手動(dòng)觸發(fā)垃圾回收

2. Python 內(nèi)存優(yōu)化技巧

2.1 使用 __slots__限制對(duì)象屬性

默認(rèn)情況下，Python 的對(duì)象使用 動(dòng)態(tài)字典（__dict__） 存儲(chǔ)屬性，占用大量?jī)?nèi)存。如果你的類屬性是固定的，可以用 __slots__ 優(yōu)化，之前花姐在其它文章中提到過(guò)。

class NormalClass:
    pass

class SlotClass:
    __slots__ = ['name', 'age']  # 僅允許 name 和 age 兩個(gè)屬性

obj1 = NormalClass()
obj1.name = "花姐"
obj1.age = 18
obj1.gender = "女"  # 允許動(dòng)態(tài)添加新屬性

obj2 = SlotClass()
obj2.name = "花姐"
obj2.age = 18
# obj2.gender = "女"  # ? AttributeError: 'SlotClass' object has no attribute 'gender'

__slots__ 會(huì)讓 Python 不再為對(duì)象創(chuàng)建 __dict__，從而減少內(nèi)存占用。

2.2 避免不必要的臨時(shí)變量

Python 解釋器會(huì)緩存一些常見的對(duì)象，例如 小整數(shù)（-5 到 256 在 Python 3.9 及以前的版本），以及部分 短字符串。

但在 Python 3.10+ 之后，整數(shù)的緩存范圍 可能更大，具體行為依賴于 Python 實(shí)現(xiàn)。

# 可能被緩存（具體范圍取決于 Python 版本）
a = 256
b = 256
print(a is b)  # True

# 可能不被緩存
a = 257
b = 257
print(a is b)  # 3.9 以前通常 False，3.10+ 可能 True

結(jié)論：Python 會(huì)緩存小整數(shù)，但具體范圍視 Python 版本而定，不建議過(guò)分依賴此特性！

2.3 使用生成器代替列表

如果你只需要 逐個(gè)獲取數(shù)據(jù)，而不是一次性加載所有數(shù)據(jù)，請(qǐng)用 生成器 代替列表。

# 占用大量?jī)?nèi)存的方式
nums = [i for i in range(10**6)]

# 更優(yōu)的方式（惰性加載）
def num_generator():
    for i in range(10**6):
        yield i

gen = num_generator()

為什么？ 生成器不會(huì)一次性把所有數(shù)據(jù)存入內(nèi)存，而是每次 yield 一個(gè)值，這樣可以大幅降低內(nèi)存占用！

2.4 使用 array 代替列表存儲(chǔ)大量數(shù)值

如果你需要存儲(chǔ)大量的數(shù)值，使用 array 模塊比 list 更節(jié)省內(nèi)存。

import array

# 創(chuàng)建一個(gè)存儲(chǔ) int 類型的數(shù)組，比列表更節(jié)省內(nèi)存
arr = array.array('i', range(10**6))

2.5 使用 deque 代替列表進(jìn)行隊(duì)列操作

collections.deque 具有更高效的 頭部插入和刪除 操作，比 list 的 pop(0) 和 insert(0, x) 更優(yōu)。

from collections import deque

dq = deque(range(10**6))
dq.appendleft(-1)  # O(1) 復(fù)雜度

# 而 list.insert(0, -1) 是 O(n)，在大規(guī)模數(shù)據(jù)下性能差距明顯

3. 釋放不用的內(nèi)存

手動(dòng)釋放變量

Python 采用 自動(dòng)垃圾回收，但如果你想主動(dòng)釋放大對(duì)象，建議使用 del 并 調(diào)用 gc.collect()。

import gc

data = [i for i in range(10**6)]
del data  # 刪除變量
gc.collect()  # 強(qiáng)制觸發(fā)垃圾回收

在大數(shù)據(jù)處理中，這個(gè)方法可以 顯著減少內(nèi)存占用！

總結(jié)

Python 采用 引用計(jì)數(shù) + 垃圾回收 來(lái)管理內(nèi)存。

使用 __slots__ 可以節(jié)省對(duì)象的 屬性存儲(chǔ)空間。

避免不必要的臨時(shí)變量，Python 會(huì)緩存小整數(shù)，但范圍 依賴 Python 版本。

用生成器替代列表，節(jié)省內(nèi)存！

用 array 代替 list 存儲(chǔ)大量數(shù)值，提高內(nèi)存效率。

用 deque 代替 list 進(jìn)行隊(duì)列操作，提高性能。

手動(dòng)釋放大對(duì)象，使用 del + gc.collect() 及時(shí)清理。

到此這篇關(guān)于Python中內(nèi)存管理機(jī)制與優(yōu)化技巧分享的文章就介紹到這了,更多相關(guān)Python內(nèi)存管理與優(yōu)化內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論