Python 中的“垃圾”是怎么回收的？

（点击上方公众号，可快速关注）

作者：heroyf

www.heroyf.club/2019/10/23/python_gc/

前言

对于python来说，一切皆为对象，所有的变量赋值都遵循着对象引用机制。程序在运行的时候，需要在内存中开辟出一块空间，用于存放运行时产生的临时变量；计算完成后，再将结果输出到永久性存储器中。如果数据量过大，内存空间管理不善就很容易出现 OOM（out of memory），俗称爆内存，程序可能被操作系统中止。

而对于服务器，内存管理则显得更为重要，不然很容易引发内存泄漏- 这里的泄漏，并不是说你的内存出现了信息安全问题，被恶意程序利用了，而是指程序本身没有设计好，导致程序未能释放已不再使用的内存。- 内存泄漏也不是指你的内存在物理上消失了，而是意味着代码在分配了某段内存后，因为设计错误，失去了对这段内存的控制，从而造成了内存的浪费。也就是这块内存脱离了gc的控制

计数引用

因为python中一切皆为对象，你所看到的一切变量，本质上都是对象的一个指针。

当一个对象不再调用的时候，也就是当这个对象的引用计数（指针数）为 0 的时候，说明这个对象永不可达，自然它也就成为了垃圾，需要被回收。可以简单的理解为没有任何变量再指向它。

1. import os

2. import psutil

3. # 显示当前 python 程序占用的内存大小

4. def show_memory_info(hint):

5. pid = os.getpid()

6. p = psutil.Process(pid)

7. info = p.memory_full_info()

8. memory = info.uss / 1024./ 1024

9. print('{} memory used: {} MB'.format(hint, memory))

10. def func():

11. show_memory_info('initial')

12. a = [i for i in range(10000000)]

13. show_memory_info('after a created')

14. func()

15. show_memory_info('finished')

16. ########## 输出 ##########

17. initial memory used: 47.19140625 MB

18. after a created memory used: 433.91015625 MB

19. finished memory used: 48.109375 MB

可以看到调用函数 func()，在列表 a 被创建之后，内存占用迅速增加到了 433 MB：而在函数调用结束后，内存则返回正常。这是因为，函数内部声明的列表 a 是局部变量，在函数返回后，局部变量的引用会注销掉；此时，列表 a 所指代对象的引用数为 0，Python 便会执行垃圾回收，因此之前占用的大量内存就又回来了。

1. def func():

2. show_memory_info('initial')

3. global a

4. a = [i for i in range(10000000)]

5. show_memory_info('after a created')

6. func()

7. show_memory_info('finished')

8. ########## 输出 ##########

9. initial memory used: 48.88671875 MB

10. after a created memory used: 433.94921875 MB

11. finished memory used: 433.94921875 MB

新的这段代码中，global a 表示将 a 声明为全局变量。那么，即使函数返回后，列表的引用依然存在，于是对象就不会被垃圾回收掉，依然占用大量内存。同样，如果我们把生成的列表返回，然后在主程序中接收，那么引用依然存在，垃圾回收就不会被触发，大量内存仍然被占用着：

1. def func():

2. show_memory_info('initial')

3. a = [i for i in derange(10000000)]

4. show_memory_info('after a created')

5. return a

6. a = func()

7. show_memory_info('finished')

8. ########## 输出 ##########

9. initial memory used: 47.96484375 MB

10. after a created memory used: 434.515625 MB

11. finished memory used: 434.515625 MB

那怎么可以看到变量被引用了多少次呢？通过 sys.getrefcount

1. import sys

2. a = []

3. # 两次引用，一次来自 a，一次来自 getrefcount

4. print(sys.getrefcount(a))

5. def func(a):

6. # 四次引用，a，python 的函数调用栈，函数参数，和 getrefcount

7. print(sys.getrefcount(a))

8. func(a)

9. # 两次引用，一次来自 a，一次来自 getrefcount，函数 func 调用已经不存在

10. print(sys.getrefcount(a))

11. ########## 输出 ##########

12. 2

13. 4

14. 2

如果其中涉及函数调用，会额外增加两次1. 函数栈2. 函数调用

从这里就可以看到python不再需要像C那种的认为的释放内存，但是python同样给我们提供了手动释放内存的方法 gc.collect()

1. import gc

2. show_memory_info('initial')

3. a = [i for i in range(10000000)]

4. show_memory_info('after a created')

5. del a

6. gc.collect()

7. show_memory_info('finish')

8. print(a)

9. ########## 输出 ##########

10. initial memory used: 48.1015625 MB

11. after a created memory used: 434.3828125 MB

12. finish memory used: 48.33203125 MB

13. ---------------------------------------------------------------------------

14. NameErrorTraceback(most recent call last)

15. <ipython-input-12-153e15063d8a> in<module>

16. 11

17. 12 show_memory_info('finish')

18. ---> 13print(a)

19. NameError: name 'a'isnotdefined

截止目前，貌似python的垃圾回收机制非常的简单，只要对象引用次数为0，必定为触发gc，那么引用次数为0是否是触发gc的充要条件呢？

循环回收

如果有两个对象，它们互相引用，并且不再被别的对象所引用，那么它们应该被垃圾回收吗？

1. def func():

2. show_memory_info('initial')

3. a = [i for i in range(10000000)]

4. b = [i for i in range(10000000)]

5. show_memory_info('after a, b created')

6. a.append(b)

7. b.append(a)

8. func()

9. show_memory_info('finished')

10. ########## 输出 ##########

11. initial memory used: 47.984375 MB

12. after a, b created memory used: 822.73828125 MB

13. finished memory used: 821.73046875 MB

从结果显而易见，它们并没有被回收，但是从程序上来看，当这个函数结束的时候，作为局部变量的a，b就已经从程序意义上不存在了。但是因为它们的互相引用，导致了它们的引用数都不为0。

这时要如何规避呢1. 从代码逻辑上进行整改，避免这种循环引用2. 通过人工回收

1. import gc

2. def func():

3. show_memory_info('initial')

4. a = [i for i in range(10000000)]

5. b = [i for i in range(10000000)]

6. show_memory_info('after a, b created')

7. a.append(b)

8. b.append(a)

9. func()

10. gc.collect()

11. show_memory_info('finished')

12. ########## 输出 ##########

13. initial memory used: 49.51171875 MB

14. after a, b created memory used: 824.1328125 MB

15. finished memory used: 49.98046875 MB

python针对循环引用，有它的自动垃圾回收算法1. 标记清除（mark-sweep）算法2. 分代收集（generational）

标记清除

标记清除的步骤总结为如下步骤1. GC会把所有的『活动对象』打上标记2. 把那些没有标记的对象『非活动对象』进行回收

那么python如何判断何为非活动对象？

通过用图论来理解不可达的概念。对于一个有向图，如果从一个节点出发进行遍历，并标记其经过的所有节点；那么，在遍历结束后，所有没有被标记的节点，我们就称之为不可达节点。显而易见，这些节点的存在是没有任何意义的，自然的，我们就需要对它们进行垃圾回收。

但是每次都遍历全图，对于 Python 而言是一种巨大的性能浪费。所以，在 Python 的垃圾回收实现中，mark-sweep 使用双向链表维护了一个数据结构，并且只考虑容器类的对象（只有容器类对象，list、dict、tuple，instance，才有可能产生循环引用）。

图中把小黑圈视为全局变量，也就是把它作为root object，从小黑圈出发，对象1可直达，那么它将被标记，对象2、3可间接到达也会被标记，而4和5不可达，那么1、2、3就是活动对象，4和5是非活动对象会被GC回收。

分代回收

分代回收是一种以空间换时间的操作方式，Python将内存根据对象的存活时间划分为不同的集合，每个集合称为一个代，Python将内存分为了3“代”，分别为年轻代（第0代）、中年代（第1代）、老年代（第2代），他们对应的是3个链表，它们的垃圾收集频率与对象的存活时间的增大而减小。新创建的对象都会分配在年轻代，年轻代链表的总数达到上限时（当垃圾回收器中新增对象减去删除对象达到相应的阈值时），Python垃圾收集机制就会被触发，把那些可以被回收的对象回收掉，而那些不会回收的对象就会被移到中年代去，依此类推，老年代中的对象是存活时间最久的对象，甚至是存活于整个系统的生命周期内。同时，分代回收是建立在标记清除技术基础之上。

事实上，分代回收基于的思想是，新生的对象更有可能被垃圾回收，而存活更久的对象也有更高的概率继续存活。因此，通过这种做法，可以节约不少计算量，从而提高 Python 的性能。

所以对于刚刚的问题，引用计数只是触发gc的一个充分非必要条件，循环引用同样也会触发。

调试

可以使用 objgraph来调试程序，因为目前它的官方文档，还没有细读，只能把文档放在这供大家参阅啦~

其中两个函数非常有用 1. show_refs() 2. show_backrefs()

总结

1. 垃圾回收是 Python 自带的机制，用于自动释放不会再用到的内存空间；

2. 引用计数是其中最简单的实现，不过切记，这只是充分非必要条件，因为循环引用需要通过不可达判定，来确定是否可以回收；

3. Python 的自动回收算法包括标记清除和分代回收，主要针对的是循环引用的垃圾收集；

4. 调试内存泄漏方面， objgraph 是很好的可视化分析工具。

推荐阅读

（点击标题可跳转阅读）

看完本文有收获？请转发分享给更多人

关注「大数据与机器学习文摘」，成为Top 1%

好文章，我在看❤️