首页 > 编程语言 >Python垃圾回收

Python垃圾回收

时间:2023-09-04 13:11:28浏览次数:39  
标签:Python 回收 python 链表 对象 计数器 垃圾 引用

python垃圾回收


目录


基于c语言的源码底层,让你真正的了解垃圾回收机制。

  • 引用计数器
  • 标记清除
  • 分代回收
  • 缓存机制

1.引用计数器

1.1环状双向链表 refchain

在python程序中创建的任何对象都会放在链表中。

name = "xx市"
age = 20
hobby = ["唱歌","网球"]
内部会创键一些数据 [上一个对象 下一个对象 类型 引用个数]
name = "xx市"
new = name

内部会创键一些数据 [上一个对象 下一个对象 类型 引用个数 val=20]
age = 20

内部会创键一些数据 [上一个对象 下一个对象 类型 引用个数 items=元素 元素个数]
hobby = ["唱歌","网球"]

在c源码中如何体现每个对象中都有相同的值:PyObject结构体(四个值)

有多个元素组成的对象:PyObject结构体(四个值) + ob_size。

1.2类型封装结构体

data = 3.14

内部会创建:
	_ob_next = refchain中的上一个对象
	_ob_prev = refchain中的下一个对象
	ob_refcnt = 1
	ob_type = float
	ob_fval = 3.14

1.3引用计数器

v1 = 3.14
v2 = 999
v3 = (1, 2, 3)

当python程序运行时,会根据数据类型的不同找到其对应的结构体,根据结构体中的字段来进行创建相关的数据,然后将对象添加到refchain双线链表中。

在C源码中有两个关键的结构体:PyObject、PyVarObject。

每个对象中有ob_refcnt就是引用及数据,之默认为 1 ,当有其他变量引用对象时,引用计数器就会发生变化。

  • 引用

    a = 999
    b = a
    del b  # b变量删除时,b对应对象的引用计数器-1
    del a  # a变量删除时,a对应对象的引用计数器-1
    
    # 当一个对象的引用计数器为 0 时,意味着没有人再使用这个对象了,这个对象就是垃圾,进行垃圾回收。
    # 回收:1.对象从refchain链表移除;2.将对象销毁。内存归还。
    

1.4 循环引用问题

image-20230831213407129

2.标记清除

目的:为了解决引用计数器循环引用的不足。

实现: 在python的底层再维护一个链表,链表中专门存放那些可能存在循环引用的对象(list、tuple、dict、set)

image-20230831213930421 在python内部某种情况下触发,回去扫描可能存在循环引用的链表中的每个元素检查是否有循环引用,如果有则让双方的引用计数器-1;如果是0则垃圾回收。

问题:

  • 什么时候扫描?
  • 可能存在循环引用的链表扫描代价大,每次扫描耗时久。

3.分代回收

image-20230831215009559 将可能存在循环引用的对象维护成3个链表:

  • 0代:0代中对象个数达到700个扫描一次。
  • 1代:0代扫描十次,则1代扫描一次。
  • 2代:1代扫描十次,则2代扫描一次。

4.小结

在python中维护了一个refchain的双向环状链表,这个链表中存储程序创建的所有对象,每种类型的对象中都有一个ob_refcnt引用计数器的值,引用个数 +1 、 -1 ,最后当引用计数器变为0时会进行垃圾回收(对象销毁、refchain中移除)。

但是,在python中对于那些可以有多个元素组成的对象可能会存在循环引用的问题,为了解决这个问题python又引入了标记清除和分代回收,在其内部维护了4个链表

  • refchain
  • 2代:10次
  • 1代:10次
  • 0代:对象满700个

在源码内部当达到各自的阈值时,就会触发扫描链表进行标记清除的动作(有循环则各自 -1 )。

But,源码内部在上述的流程中提出了优化机制。

5.python缓存

5.1 池(int)

为了避免重复创建和销毁一些常见对象,维护池。

image-202308312201173695.2 free_list(float/list/tuple/dict)

当一个对象的引用计数器为0时,按理说应该会收,但是内部不会直接回收,而是将对象添加到free_list链表中当缓存。以后再去创建对象时,不再从新开辟内存,而是直接使用free_list。

标签:Python,回收,python,链表,对象,计数器,垃圾,引用
From: https://www.cnblogs.com/StudyZw/p/17676753.html

相关文章

  • Python中列表的概念
    在编程中,列表(List)是一种常用的数据结构,用于存储一组有序的元素。列表是Python中的内置数据类型之一,它允许你在一个变量中存储多个值,并且这些值可以是不同的数据类型,包括整数、浮点数、字符串、其他列表等。Python中的列表使用方括号[]来定义,其中的元素之间用逗号,分隔。以下......
  • 一口气用Python写了13个小游戏(附源码)
    今天给大家分享13个游戏源码,可以自己复现玩玩,研究下里面的编程逻辑,对学习编程(特别是初学者)应该会有很大帮助。1、吃金币源码分享:importosimportcfgimportsysimportpygameimportrandomfrommodulesimport*'''游戏初始化'''definitGame():#初始化pygame,设......
  • 分享一个Python字符串替换的基础题目(下篇)
    大家好,我是皮皮。一、前言上一篇文章,【瑜亮老师】和【凡人不烦人】引申了下字符串处理的题目,如下所示:扩展一下,下面的结果是什么:strs='abbacba'print(strs.lstrip('ab'))print(strs.rstrip('ab'))二、实现过程这里【FANG.J】还是有点东西的,全部都回答正确了。说明是完......
  • VSCode 配置python Django
    好吃vs占用的内存很少很轻量但是需要自己人肉配置核心两个点启动项目文件launch.json项目设置包括resthttpclientdjango.vscdoe新建launch.json{"version":"0.2.0","configurations":[{"name":"Python:Django&q......
  • python 自动化办公第三方库
    尽我所能地整理了一份资料,分享给大家。  一、中文版:自动化办公的文档  1、综合  ①python-office  Python-office是一个Python自动化办公第三方库,能解决大部分自动化办公的问题。而且每个功能只需一行代码,不需要小白用户学习Python知识,做到了真......
  • Python爬取天气数据并进行分析与预测
    随着全球气候的不断变化,对于天气数据的获取、分析和预测显得越来越重要。本文将介绍如何使用Python编写一个简单而强大的天气数据爬虫,并结合相关库实现对历史和当前天气数据进行分析以及未来趋势预测。1、数据源选择选择可靠丰富的公开API或网站作为我们所需的天比回溯和实时信息......
  • python 创建、读取xml 文件
    使用xml.dom.minidom1.创建fromxml.dom.minidomimportDocument#创建xml文件doc=Document()#创建根节点root_node=doc.createElement("root")doc.appendChild(root_node)#创建子节点son_node=doc.createElement("son_node")root_node.appendChild(son......
  • 实现python自动化进行薪资核算——数据读取、数据计算、数据输出
    前言上一篇文章我们完成了相关准备工作——pandas库的安装以及相关库问题的解决,这篇文章实现简单的薪资核算工作。功能要求当前表格中,考勤扣除金额、个税扣除、实发工资目前是空缺的,最终生成的数据需要将上述三列的数据分别根据以下规则填充。1、迟到次数核算方法:3次以内不扣除3次......
  • Java垃圾回收全过程
    JVM中一次完整的垃圾回收(GC)过程。这里以HotSpot虚拟机为例,并将参考其中的一种常用的垃圾回收器:G1(Garbage-First)。堆的划分在HotSpotJVM中,堆(Heap)通常被划分为以下几个部分:年轻代(YoungGeneration):这部分进一步分为Eden区和两个Survivor区(S0和S1)。老年代(OldGeneration):存放长时间......
  • 9-3|使用Python的scikit-learn库来训练一个逻辑回归模型,检测句子是否含有侮辱性内容:
    当然可以。以下是一个简单的例子,使用Python的`scikit-learn`库来训练一个逻辑回归模型,检测句子是否含有侮辱性内容:```pythonfromsklearn.feature_extraction.textimportTfidfVectorizerfromsklearn.linear_modelimportLogisticRegressionfromsklearn.model_selectionim......