垃圾回收是 Python 自帶的機(jī)制，用于自動(dòng)釋放不會(huì)再用到的內(nèi)存空間；

什么是內(nèi)存泄漏呢？

• 內(nèi)存泄漏，并不是說(shuō)你的內(nèi)存出現(xiàn)了信息安全問(wèn)題，被惡意程序利用了，而是指程序本身沒(méi)有設(shè)計(jì)好，導(dǎo)致程序未能釋放已不再使用的內(nèi)存。
• 內(nèi)存泄漏也不是指你的內(nèi)存在物理上消失了，而是意味著代碼在分配了某段內(nèi)存后，因?yàn)樵O(shè)計(jì)錯(cuò)誤，失去了對(duì)這段內(nèi)存的控制，從而造成了內(nèi)存的浪費(fèi)。

計(jì)數(shù)引用

　　Python 中一切皆對(duì)象。當(dāng)這個(gè)對(duì)象的引用計(jì)數(shù)（指針數(shù)）為 0 的時(shí)候，說(shuō)明這個(gè)對(duì)象永不可達(dá)，自然它也就成為了垃圾，需要被回收。

　　例：

# 顯示當(dāng)前 python 程序占用的內(nèi)存大小 def show_memory_info(hint):pid = os.getpid()p = psutil.Process(pid)info = p.memory_full_info()memory = info.uss / 1024. / 1024print('{} memory used: {} MB'.format(hint, memory)) def func():show_memory_info('initial')a = [i for i in range(10000000)]show_memory_info('after a created')func() show_memory_info('finished')########## 輸出 ########## # initial memory used: 6.62890625 MB # after a created memory used: 199.33203125 MB # finished memory used: 7.6640625 MB

　　程序初始化時(shí)占的內(nèi)存為6MB，接著創(chuàng)建了一個(gè)列表a，由于a還沒(méi)被回收，因此占的內(nèi)存升到了200MB，當(dāng)函數(shù)返回后，a的引用計(jì)數(shù)為0，a被回收，內(nèi)存又恢復(fù)到了7MB。

　　如果把a(bǔ)變成全局變量，函數(shù)返回后，引用計(jì)數(shù)依然大于0，于是對(duì)象就不會(huì)被垃圾回收，依然占著大量的內(nèi)存

def func():show_memory_info('initial')global aa = [i for i in range(10000000)]show_memory_info('after a created')func() show_memory_info('finished')########## 輸出 ########### initial memory used: 6.67578125 MB # after a created memory used: 199.30859375 MB # finished memory used: 199.30859375 MB

　　或者把列表返回，在主程序中接收，引用依然存在，垃圾回收就不會(huì)被觸發(fā)，大量?jī)?nèi)存仍然被占用著

def func():show_memory_info('initial')a = [i for i in range(10000000)]show_memory_info('after a created')return aa = func() show_memory_info('finished')########## 輸出 ########### initial memory used: 6.6484375 MB # after a created memory used: 199.2890625 MB # finished memory used: 199.2890625 MB

　　看一下 Python 內(nèi)部的引用計(jì)數(shù)機(jī)制

import sysa = []# 兩次引用，一次來(lái)自 a，一次來(lái)自 getrefcount print(sys.getrefcount(a))def func(a):# 四次引用，a，python 的函數(shù)調(diào)用棧，函數(shù)參數(shù)，和 getrefcountprint(sys.getrefcount(a))func(a)# 兩次引用，一次來(lái)自 a，一次來(lái)自 getrefcount，函數(shù) func 調(diào)用已經(jīng)不存在 print(sys.getrefcount(a))########## 輸出 ##########2 4 2

　　sys.getrefcount() 這個(gè)函數(shù)，可以查看一個(gè)變量的引用次數(shù)。這段代碼本身應(yīng)該很好理解，不過(guò)別忘了，getrefcount 本身也會(huì)引入一次計(jì)數(shù)。另一個(gè)要注意的是，在函數(shù)調(diào)用發(fā)生的時(shí)候，會(huì)產(chǎn)生額外的兩次引用，一次來(lái)自函數(shù)棧，另一個(gè)是函數(shù)參數(shù)。

　　又如：

import sysa = []print(sys.getrefcount(a)) # 兩次 b = aprint(sys.getrefcount(a)) # 三次 c = b d = b e = c f = e g = dprint(sys.getrefcount(a)) # 八次########## 輸出 ##########2 3 8

　　a、b、c、d、e、f、g 這些變量全部指代的是同一個(gè)對(duì)象，而 sys.getrefcount() 函數(shù)并不是統(tǒng)計(jì)一個(gè)指針，而是要統(tǒng)計(jì)一個(gè)對(duì)象被引用的次數(shù)，所以最后一共會(huì)有八次引用。

　　手動(dòng)釋放內(nèi)存，應(yīng)該怎么做呢？ 方法同樣很簡(jiǎn)單。只需要先調(diào)用 del a 來(lái)刪除一個(gè)對(duì)象；然后強(qiáng)制調(diào)用 gc.collect()，即可手動(dòng)啟動(dòng)垃圾回收。

import gc import os import psutil # 顯示當(dāng)前 python 程序占用的內(nèi)存大小 def show_memory_info(hint):pid = os.getpid()p = psutil.Process(pid)info = p.memory_full_info()memory = info.uss / 1024. / 1024print('{} memory used: {} MB'.format(hint, memory))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)initial memory used: 6.54296875 MB after a created memory used: 199.17578125 MB finish memory used: 7.26171875 MB Traceback (most recent call last):File "Coroutine.py", line 24, in <module>print(a) NameError: name 'a' is not defined

循環(huán)引用

?　　觀察代碼：

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: 6.625 MB
? after a, b created memory used: 392.08984375 MB
? finished memory used: 392.08984375 MB

　　這里，a 和 b 互相引用，并且，作為局部變量，在函數(shù) func 調(diào)用結(jié)束后，a 和 b 這兩個(gè)指針從程序意義上已經(jīng)不存在了。但是，很明顯，依然有內(nèi)存占用！為什么呢？因?yàn)榛ハ嘁?#xff0c;導(dǎo)致它們的引用數(shù)都不為 0。

　　處理這種情況，可以調(diào)用顯式調(diào)用 gc.collect() ，來(lái)啟動(dòng)垃圾回收。

　　Python 使用標(biāo)記清除（mark-sweep）算法和分代收集（generational），來(lái)啟用針對(duì)循環(huán)引用的自動(dòng)垃圾回收。

調(diào)試內(nèi)存泄漏

　　objgraph，一個(gè)非常好用的可視化引用關(guān)系的包.

　　安裝：

pip install graphviz pip install xdot pip install objgraph

　　windows的話要除了裝以上庫(kù)還要在官網(wǎng)https://graphviz.gitlab.io/_pages/Download/Download_windows.html下載，然后設(shè)置環(huán)境變量 Path增加C:\Program Files (x86)\Graphviz2.38\bin，在CMD輸入dot -version驗(yàn)證。

　　通過(guò)下面這段代碼和生成的引用調(diào)用圖，你能非常直觀地發(fā)現(xiàn)，有兩個(gè) list 互相引用，說(shuō)明這里極有可能引起內(nèi)存泄露。

import objgrapha = [1, 2, 3] b = [4, 5, 6]a.append(b) b.append(a)objgraph.show_refs([a])

　　　　　

　　注：在windows中可能會(huì)提示:

Graph written to C:\Users\Public\Documents\Wondershare\CreatorTemp\objgraph-wwcqiie_.dot (8 nodes) Image renderer (dot) not found, not doing anything else

　　這時(shí)只要在打開dot文件所在的路徑，然后CMD中執(zhí)行

dot .\objgraph-yclwfpzr.dot -Tpng -o image.png

　　就可以生成文件。

　　另一個(gè)非常有用的函數(shù)，是 show_backrefs()。以下是調(diào)用show_backrefs()生成的圖片。

　　

?參考

　　極客時(shí)間《Python核心技術(shù)與實(shí)戰(zhàn)》專欄

轉(zhuǎn)載于:https://www.cnblogs.com/xiaoguanqiu/p/11197604.html

總結(jié)

以上是生活随笔為你收集整理的Python进阶:程序界的垃圾分类回收的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。