前言

對于python來說，一切皆為對象，所有的變量賦值都遵循著對象引用機制。程序在運行的時候，需要在內存中開辟出一塊空間，用于存放運行時產生的臨時變量;計算完成后，再將結果輸出到永久性存儲器中。如果數(shù)據(jù)量過大，內存空間管理不善就很容易出現(xiàn) OOM(out of memory)，俗稱爆內存，程序可能被操作系統(tǒng)中止。而對于服務器，內存管理則顯得更為重要，不然很容易引發(fā)內存泄漏- 這里的泄漏，并不是說你的內存出現(xiàn)了信息安全問題，被惡意程序利用了，而是指程序本身沒有設計好，導致程序未能釋放已不再使用的內存。- 內存泄漏也不是指你的內存在物理上消失了，而是意味著代碼在分配了某段內存后，因為設計錯誤，失去了對這段內存的控制，從而造成了內存的浪費。也就是這塊內存脫離了gc的控制。

計數(shù)引用

因為python中一切皆為對象，你所看到的一切變量，本質上都是對象的一個指針。當一個對象不再調用的時候，也就是當這個對象的引用計數(shù)(指針數(shù))為 0 的時候，說明這個對象永不可達，自然它也就成為了垃圾，需要被回收?？梢院唵蔚睦斫鉃闆]有任何變量再指向它。 

import os  
import psutil   
 
# 顯示當前 python 程序占用的內存大小 
 
def show_memory_info(hint):  
    pid = os.getpid()  
    p = psutil.Process(pid)  
    info = p.memory_full_info()  
    memory = info.uss / 1024./ 1024  
print(  {} memory used: {} MB .format(hint, memory)) 

可以看到調用函數(shù) func()，在列表 a 被創(chuàng)建之后，內存占用迅速增加到了 433 MB：而在函數(shù)調用結束后，內存則返回正常。這是因為，函數(shù)內部聲明的列表 a 是局部變量，在函數(shù)返回后，局部變量的引用會注銷掉;此時，列表 a 所指代對象的引用數(shù)為 0，Python 便會執(zhí)行垃圾回收，因此之前占用的大量內存就又回來了。 

def func():  
    show_memory_info( 
 initial  
)  
global a 
    a = [i for  i in  range( 10000000 )]  
    show_memory_info( after a created ) 
func()  
show_memory_info( 
 finished  
) 
########## 輸出 ##########  
initial memory used: 48.88671875 MB  
after a created memory used:433.94921875 MB  
finished memory used:433.94921875 MB 

新的這段代碼中，global a 表示將 a 聲明為全局變量。那么，即使函數(shù)返回后，列表的引用依然存在，于是對象就不會被垃圾回收掉，依然占用大量內存。同樣，如果我們把生成的列表返回，然后在主程序中接收，那么引用依然存在，垃圾回收就不會被觸發(fā)，大量內存仍然被占用著：

def func():  
    show_memory_info(  initial )  
    a = [i for  i in  derange( 10000000 )]  
    show_memory_info(  after a created ) 
 
return a  
a = func() 
show_memory_info( finished) 
 
########## 輸出 ##########  
initial memory used:  47.96484375 MB 
after a created memory used:434.515625 MB 
finished memory used: 434.515625 MB 

那怎么可以看到變量被引用了多少次呢?通過 sys.getrefcount。 

import sys  
a = []  
# 兩次引用，一次來自 a，一次來自 getrefcount 
print (sys.getrefcount(a))  
 
def func(a):  
# 四次引用，a，python 的函數(shù)調用棧，函數(shù)參數(shù)，和 getrefcount  
print (sys.getrefcount(a))  
func(a)  
# 兩次引用，一次來自 a，一次來自 getrefcount，函數(shù) func 調用已經不存在  
print (sys.getrefcount(a))   
########## 輸出 ##########  
2  
4  
2 

如果其中涉及函數(shù)調用，會額外增加兩次1. 函數(shù)棧2. 函數(shù)調用。

從這里就可以看到python不再需要像C那種的認為的釋放內存，但是python同樣給我們提供了手動釋放內存的方法 gc.collect()。

import gc  
show_memory_info( initial)  
a = [i for  i in range( 10000000 )]  
show_memory_info(  after a created) 
del a 
gc.collect() 
show_memory_info( finish )  
print (a)  
########## 輸出 ########## 
initial memory used: 48.1015625 MB 
after a created memory used: 434.3828125 MB  
finish memory used: 48.33203125 MB 
--------------------------------------------------------------------------- 
NameErrorTraceback (most recent call last) 
 
<ipython-input- 12 - 153e15063d8a > in<module>  
11  
12 show_memory_info(  finish ) 
--->  13 print (a) 
 
NameError : name  a  isnotdefined 

截止目前，貌似python的垃圾回收機制非常的簡單，只要對象引用次數(shù)為0，必定為觸發(fā)gc，那么引用次數(shù)為0是否是觸發(fā)gc的充要條件呢?

循環(huán)回收

如果有兩個對象，它們互相引用，并且不再被別的對象所引用，那么它們應該被垃圾回收嗎? 

def func(): 
    show_memory_info( initial )  
    a = [i for  i in  range(10000000)] 
    b = [i for  i in  range(10000000)]  
    show_memory_info(  after a, b created )  
    a.append(b)  
    b.append(a) 
func() 
show_memory_info(  finished )  
########## 輸出 ##########  
initial memory used: 47.984375 MB  
after a, b created memory used:822.73828125 MB  
finished memory used:  821.73046875 MB 

從結果顯而易見，它們并沒有被回收，但是從程序上來看，當這個函數(shù)結束的時候，作為局部變量的a，b就已經從程序意義上不存在了。但是因為它們的互相引用，導致了它們的引用數(shù)都不為0。這時要如何規(guī)避呢1. 從代碼邏輯上進行整改，避免這種循環(huán)引用2. 通過人工回收。 

import gc 
def func():  
    show_memory_info( initial)  
    a = [i for  i in  range(10000000)]  
    b = [i for  i in  range(10000000)] 
    show_memory_info( after a, b created)  
    a.append(b) 
    b.append(a) 
func() 
gc.collect() 
show_memory_info( finished )  
########## 輸出 ##########  
initial memory used:49.51171875 MB  
after a, b created memory used: 824.1328125 MB  
finished memory used:49.98046875 MB 

python針對循環(huán)引用，有它的自動垃圾回收算法1. 標記清除(mark-sweep)算法2. 分代收集(generational)。

標記清除

標記清除的步驟總結為如下步驟1. GC會把所有的『活動對象』打上標記2. 把那些沒有標記的對象『非活動對象』進行回收那么python如何判斷何為非活動對象?通過用圖論來理解不可達的概念。對于一個有向圖，如果從一個節(jié)點出發(fā)進行遍歷，并標記其經過的所有節(jié)點;那么，在遍歷結束后，所有沒有被標記的節(jié)點，我們就稱之為不可達節(jié)點。顯而易見，這些節(jié)點的存在是沒有任何意義的，自然的，我們就需要對它們進行垃圾回收。但是每次都遍歷全圖，對于 Python 而言是一種巨大的性能浪費。所以，在 Python 的垃圾回收實現(xiàn)中，mark-sweep 使用雙向鏈表維護了一個數(shù)據(jù)結構，并且只考慮容器類的對象(只有容器類對象，list、dict、tuple，instance，才有可能產生循環(huán)引用)。

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)，對象1可直達，那么它將被標記，對象2、3可間接到達也會被標記，而4和5不可達，那么1、2、3就是活動對象，4和5是非活動對象會被GC回收。 

分代回收

分代回收是一種以空間換時間的操作方式，Python將內存根據(jù)對象的存活時間劃分為不同的集合，每個集合稱為一個代，Python將內存分為了3“代”，分別為年輕代(第0代)、中年代(第1代)、老年代(第2代)，他們對應的是3個鏈表，它們的垃圾收集頻率與對象的存活時間的增大而減小。新創(chuàng)建的對象都會分配在年輕代，年輕代鏈表的總數(shù)達到上限時(當垃圾回收器中新增對象減去刪除對象達到相應的閾值時)，Python垃圾收集機制就會被觸發(fā)，把那些可以被回收的對象回收掉，而那些不會回收的對象就會被移到中年代去，依此類推，老年代中的對象是存活時間最久的對象，甚至是存活于整個系統(tǒng)的生命周期內。同時，分代回收是建立在標記清除技術基礎之上。事實上，分代回收基于的思想是，新生的對象更有可能被垃圾回收，而存活更久的對象也有更高的概率繼續(xù)存活。因此，通過這種做法，可以節(jié)約不少計算量，從而提高 Python 的性能。所以對于剛剛的問題，引用計數(shù)只是觸發(fā)gc的一個充分非必要條件，循環(huán)引用同樣也會觸發(fā)。

調試

可以使用 objgraph來調試程序，因為目前它的官方文檔，還沒有細讀，只能把文檔放在這供大家參閱啦~其中兩個函數(shù)非常有用 1. show_refs() 2. show_backrefs()。