垃圾回收机制

发表于 更新于 分类于

什么是垃圾回收机制？

​ 垃圾回收机制(简称GC),是python解释器自带的一种机制，专门用来回收不可用的变量值所占用的内存空间

为什么要用垃圾回收机制？

1
# 程序运行过程中会申请大量的内存空间，而对于一些无用的内存空间，如果不及时清理的话会导致内存使用殆尽(内存溢出)，导致程序崩溃，因此内存管理是一件重要且繁杂的事情，而python解释器自带的垃圾回收机制把程序员从繁杂的内存管理中解放出来

理解GC原理需要储备的知识

堆区和栈区

1
2
3
4
5
    在定义变量时，变量名与变量值都是需要储存的，分别对应内存中的两块区域，堆区与栈区

# 1 变量名与值的内存地址的关联关系存放于栈区

# 2 变量值存放于堆区，内存管理机制回收的则是堆区的内容

直接引用与间接引用

1
2
3
4
5
6
7
8
直接引用指的是从栈区出发直接引用到的内存地址
    
间接引用指的是从栈区出发引用到堆区后，再通过进一步引用才能到达的内存地址 

例如↓↓↓
# l2 = [20, 30] 列表本身被变量名l2直接引用，包含的元素被列表间接引用
# x = 10 值10被变量名x直接引用
# l1 = [x, l2] 列表本身被变量名l1直接引用，包含的元素被列表间接引用

垃圾回收机制原理分析

1
python的GC模块只要运用了'引用计数'来跟踪和回收垃圾. 在引用计数的基础上，还可以通过'标记-清除'解决容器对象可能产生的循环引用的问题，并且通过'分代回收'以空间换取时间的方式来进一步提高垃圾回收的效率

引用计数

1
2
3
4
引用计数就是：变量值被变量名关联的次数
如：age = 18
变量值18被关联了一个变量名age，称之为引用计数为1
图解如下↓↓↓

img

1
2
3
4
引用计数增加：
    age = 18 # 此时， 变量值18的引用计数为1
    m = age # 此时， 把age的内存地址给了m，此时，m和age都关联了18，所以变量值18的引用计数为2
图解如下↓↓↓

img

1
2
3
4
引用计数减少：
    age = 10 # 变量名age先与值18解除关联， 再与10建立了关联，变量值18的引用计数就为1
    del m # del的意思是解除变量名m与变量值18的关联关系，此时，变量值18的引用计数就为0
图解如下↓↓↓

img

1
变量值18的引用计数一旦变为0，其占用的内存地址就应该被解释器的垃圾回收机制回收

问题1：循环引用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
引用计数机制存在一个致命的弱点，即循环引用(也称交叉引用)
# 如下我们定义了两个列表，简称列表1与列表2，变量名l1指向列表1，变量名l2指向列表2
l1=['xxx']             # 列表1被引用一次，列表1的引用计数变为1   
l2=['yyy']          # 列表2被引用一次，列表2的引用计数变为1   
l1.append(l2)       # 把列表2追加到l1中作为第二个元素，列表2的引用计数变为2
l2.append(l1)       # 把列表1追加到l2中作为第二个元素，列表1的引用计数变为2

# l1与l2之间有相互引用
# l1 = ['xxx'的内存地址,列表2的内存地址]
# l2 = ['yyy'的内存地址,列表1的内存地址]
>>> l1
['xxx', ['yyy', [...]]]
>>> l2
['yyy', ['xxx', [...]]]
>>> l1[1][1][0]
'xxx'

1
2
3
4
5
6
循环引用会导致：值不被任何名字关联，但是值的引用计数不会为0，应该被回收但不能被回收 
    	例如：
        	del l1 # 列表1的引用计数减1，列表1的引用计数变为1
            　　 del l2 # 列表2的引用计数减1，列表2的引用计数变为1
此时，只剩下列表1与列表2之间的相互引用

1
但此时两个列表的引用计数均不为0，但两个列表不再被任何其他对象关联，没有任何人可以再引用到它们，所以它俩占用的内存空间应该被回收，但由于相互引用的存在，每一个对象的引用计数都不为0，因此这些对象所占用的内存永远不会被释放，所以循环引用是致命的，这与手动进行内存管理所产生的内存泄漏毫无区别，所以python引入了'标记-清除'与'分代回收'来分别解决引用计数的循环引用带来的效率低的问题

解决方案：标记-清除

1
2
3
4
5
6
7
8
9
10
11
12
13
14
 容器对象（比如：list，set，dict，class，instance）都可以包含对其他对象的引用，所以都可能产生循环引用。而“标记-清除”计数就是为了解决循环引用的问题。

 标记/清除算法的做法是当应用程序可用的内存空间被耗尽的时，就会停止整个程序，然后进行两项工作，第一项则是标记，第二项则是清除

#1、标记
通俗地讲就是：
栈区相当于“根”，凡是从根出发可以访达（直接或间接引用）的，都称之为“有根之人”，有根之人当活，无根之人当死。

具体地：标记的过程其实就是，遍历所有的GC Roots对象(栈区中的所有内容或者线程都可以作为GC Roots对象），然后将所有GC Roots的对象可以直接或间接访问到的对象标记为存活的对象，其余的均为非存活对象，应该被清除。

#2、清除
清除的过程将遍历堆中所有的对象，将没有标记的对象全部清除掉。
                              
 基于上例的循环引用，当我们同时删除l1与l2时，会清理到栈区中l1与l2的内容以及直接引用关系
1
这样在启用标记清除算法时，从栈区出发，没有任何一条直接或间接引用可以访达l1与l2，即l1与l2成了“无根之人”，于是l1与l2都没有被标记为存活，二者会被清理掉，这样就解决了循环引用带来的内存泄漏问题。

问题2：效率问题

1
基于引用计数的回收机制，每次回收内存，都需要把所有对象的引用计数都遍历一遍，这是非常消耗时间的，于是引入了分代回收来提高回收效率，分代回收采用的是用“空间换时间”的策略。

解决方案：分代回收

分代：

1
2
3
4
5
分代回收的核心思想是：在历经多次扫描的情况下，都没有被回收的变量，gc机制就会认为，该变量是常用变量，gc对其扫描的频率会降低，具体实现原理如下：
  
  	分代指的是根据存活时间来为变量划分不同等级（也就是不同的代）

新定义的变量，放到新生代这个等级中，假设每隔1分钟扫描新生代一次，如果发现变量依然被引用，那么该对象的权重（权重本质就是个整数）加一，当变量的权重大于某个设定得值（假设为3），会将它移动到更高一级的青春代，青春代的gc扫描的频率低于新生代（扫描时间间隔更长），假设5分钟扫描青春代一次，这样每次gc需要扫描的变量的总个数就变少了，节省了扫描的总时间，接下来，青春代中的对象，也会以同样的方式被移动到老年代中。也就是等级（代）越高，被垃圾回收机制扫描的频率越低

回收：

1
回收依然是使用引用计数作为回收的依据
1
2
3
4
5
6
7
8
9
10
虽然分代回收可以起到提升效率的效果，但也存在一定的缺点：
  
  	#例如一个变量刚刚从新生代移入青春代，该变量的绑定关系就解除了，该变量应该被回收，但青春代的扫描频率低于新生代，这就到导致了应该被回收的垃圾没有得到及时地清理。

      没有十全十美的方案：
      毫无疑问，如果没有分代回收，即引用计数机制一直不停地对所有变量进行全体扫描，可以更及时地清理掉垃圾占用的内存，但这种一直不停地对所有变量进行全体扫描的方式效率极低，所以我们只能将二者中和。

      综上
      垃圾回收机制是在清理垃圾&释放内存的大背景下，允许分代回收以极小部分垃圾不会被及时释放为代价，以此换取引用计数整体扫描频率的降低，从而提升其性能，这是一种以空间换时间的解决方案目录