語言的記憶體管理是語言設計的一個重要方面，它是決定語言性能的重要因素，無論是C語言的手工管理，還是Java的垃圾回收，都成為語言最重要的特征，這里以Python語言為例子，說明一門動態型別的、面向物件的語言的記憶體管理方式，

物件的記憶體使用

賦值陳述句是語言最常見的功能了，但即使是最簡單的賦值陳述句，也可以很有內涵，Python

a = 1

整數1為一個物件，而a是一個參考，利用賦值陳述句，參考a指向物件1，Python是動態型別的語言(參考動態型別)，物件與參考分離，Python像使用“筷子”那樣，通過參考來接觸和翻動真正的食物——物件，

為了探索物件在記憶體的存盤，我們可以求助于Python的內置函式id()，它用于回傳物件的身份(identity)，其實，這里所謂的身份，就是該物件的記憶體地址，

a = 1

print(id(a))
print(hex(id(a)))

在我的計算機上，它們回傳的是:
11246696
'0xab9c68'

分別為記憶體地址的十進制和十六進制表示，

在Python中，整數和短小的字符，Python都會快取這些物件，以便重復使用，當我們創建多個等于1的參考時，實際上是讓所有這些參考指向同一個物件，

a = 1
b = 1

print(id(a))
print(id(b))

上面程式回傳
11246696
11246696

可見a和b實際上是指向同一個物件的兩個參考，

為了檢驗兩個參考指向同一個物件，我們可以用is關鍵字，is用于判斷兩個參考所指的物件是否相同，

# True
a = 1
b = 1
print(a is b)

# True
a = "good"
b = "good"
print(a is b)

# False
a = "very good morning"
b = "very good morning"
print(a is b)

# False
a = []
b = []
print(a is b)

上面的注釋為相應的運行結果，可以看到，由于Python快取了整數和短字串，因此每個物件只存有一份，比如，所有整數1的參考都指向同一物件，即使使用賦值陳述句，也只是創造了新的參考，而不是物件本身，長的字串和其它物件可以有多個相同的物件，可以使用賦值陳述句創建出新的物件，

在Python中，每個物件都有存有指向該物件的參考總數，即參考計數(reference count)，

我們可以使用sys包中的getrefcount()，來查看某個物件的參考計數，需要注意的是，當使用某個參考作為引數，傳遞給getrefcount()時，引數實際上創建了一個臨時的參考，因此，getrefcount()所得到的結果，會比期望的多1，

from sys import getrefcount

a = [1, 2, 3]
print(getrefcount(a))b = aprint(getrefcount(b))

由于上述原因，兩個getrefcount將回傳2和3，而不是期望的1和2，

物件參考物件

Python的一個容器物件(container)，比如表、詞典等，可以包含多個物件，實際上，容器物件中包含的并不是元素物件本身，是指向各個元素物件的參考，

我們也可以自定義一個物件，并參考其它物件:

class from_obj(object):
    def __init__(self, to_obj):
        self.to_obj = to_obj

b = [1,2,3]
a = from_obj(b)
print(id(a.to_obj))
print(id(b))

可以看到，a參考了物件b，

物件參考物件，是Python最基本的構成方式，即使是a = 1這一賦值方式，實際上是讓詞典的一個鍵值"a"的元素參考整數物件1，該詞典物件用于記錄所有的全域參考，該詞典參考了整數物件1，我們可以通過內置函式globals()來查看該詞典，

當一個物件A被另一個物件B參考時，A的參考計數將增加1，

from sys import getrefcount

a = [1, 2, 3]
print(getrefcount(a))

b = [a, a]
print(getrefcount(a))

由于物件b參考了兩次a，a的參考計數增加了2，

容器物件的參考可能構成很復雜的拓撲結構，我們可以用objgraph包來繪制其參考關系，比如

x = [1, 2, 3]
y = [x, dict(key1=x)]
z = [y, (x, y)]

import objgraph
objgraph.show_refs([z], filename='ref_topo.png')

objgraph是Python的一個第三方包，安裝之前需要安裝xdot，

sudo apt-get install xdot
sudo pip install objgrap

兩個物件可能相互參考，從而構成所謂的參考環(reference cycle)，

a = []
b = [a]
a.append(b)

即使是一個物件，只需要自己參考自己，也能構成參考環，

a = []
a.append(a)
print(getrefcount(a))

參考環會給垃圾回識訓制帶來很大的麻煩，我將在后面詳細敘述這一點，

參考減少

某個物件的參考計數可能減少，比如，可以使用del關鍵字洗掉某個參考:

from sys import getrefcount

a = [1, 2, 3]
b = a
print(getrefcount(b))

del a
print(getrefcount(b))

del也可以用于洗掉容器元素中的元素，比如:

a = [1,2,3]
del a[0]
print(a)

如果某個參考指向物件A，當這個參考被重新定向到某個其他物件B時，物件A的參考計數減少:

from sys import getrefcounta = [1, 2, 3]
b = a
print(getrefcount(b))

a = 1
print(getrefcount(b))

垃圾回收

吃太多，總會變胖，Python也是這樣，當Python中的物件越來越多，它們將占據越來越大的記憶體，不過你不用太擔心Python的體形，它會乖巧的在適當的時候“減肥”，啟動垃圾回收(garbage collection)，將沒用的物件清除，在許多語言中都有垃圾回識訓制，比如Java和Ruby，盡管最終目的都是塑造苗條的提醒，但不同語言的減肥方案有很大的差異 (這一點可以對比本文和Java記憶體管理與垃圾回收)，

從基本原理上，當Python的某個物件的參考計數降為0時，說明沒有任何參考指向該物件，該物件就成為要被回收的垃圾了，比如某個新建物件，它被分配給某個參考，物件的參考計數變為1，如果參考被洗掉，物件的參考計數為0，那么該物件就可以被垃圾回收，比如下面的表:

a = [1, 2, 3]
del a

del a后，已經沒有任何參考指向之前建立的[1, 2, 3]這個表，用戶不可能通過任何方式接觸或者動用這個物件，這個物件如果繼續待在記憶體里，就成了不健康的脂肪，當垃圾回收啟動時，Python掃描到這個參考計數為0的物件，就將它所占據的記憶體清空，

然而，減肥是個昂貴而費力的事情，垃圾回收時，Python不能進行其它的任務，頻繁的垃圾回收將大大降低Python的作業效率，如果記憶體中的物件不多，就沒有必要總啟動垃圾回收，所以，Python只會在特定條件下，自動啟動垃圾回收，當Python運行時，會記錄其中分配物件(object allocation)和取消分配物件(object deallocation)的次數，當兩者的差值高于某個閾值時，垃圾回收才會啟動，

我們可以通過gc模塊的get_threshold()方法，查看該閾值:

import gc
print(gc.get_threshold())

回傳(700, 10, 10)，后面的兩個10是與分代回收相關的閾值，后面可以看到，700即是垃圾回收啟動的閾值，可以通過gc中的set_threshold()方法重新設定，

我們也可以手動啟動垃圾回收，即使用gc.collect()，

分代回收

Python同時采用了分代(generation)回收的策略，這一策略的基本假設是，存活時間越久的物件，越不可能在后面的程式中變成垃圾，我們的程式往往會產生大量的物件，許多物件很快產生和消失，但也有一些物件長期被使用，出于信任和效率，對于這樣一些“長壽”物件，我們相信它們的用處，所以減少在垃圾回收中掃描它們的頻率，

Python將所有的物件分為0，1，2三代，所有的新建物件都是0代物件，當某一代物件經歷過垃圾回收，依然存活，那么它就被歸入下一代物件，垃圾回收啟動時，一定會掃描所有的0代物件，如果0代經過一定次數垃圾回收，那么就啟動對0代和1代的掃描清理，當1代也經歷了一定次數的垃圾回收后，那么會啟動對0，1，2，即對所有物件進行掃描，

這兩個次數即上面get_threshold()回傳的(700, 10, 10)回傳的兩個10，也就是說，每10次0代垃圾回收，會配合1次1代的垃圾回收；而每10次1代的垃圾回收，才會有1次的2代垃圾回收，

同樣可以用set_threshold()來調整，比如對2代物件進行更頻繁的掃描，

import gc
gc.set_threshold(700, 10, 5)

孤立的參考環

參考環的存在會給上面的垃圾回識訓制帶來很大的困難，這些參考環可能構成無法使用，但參考計數不為0的一些物件，

a = []
b = [a]
a.append(b)

del a
del b

上面我們先創建了兩個表物件，并參考對方，構成一個參考環，洗掉了a，b參考之后，這兩個物件不可能再從程式中呼叫，就沒有什么用處了，但是由于參考環的存在，這兩個物件的參考計數都沒有降到0，不會被垃圾回收，

為了回收這樣的參考環，Python復制每個物件的參考計數，可以記為gc_ref，假設，每個物件i，該計數為gc_ref_i，Python會遍歷所有的物件i，對于每個物件i參考的物件j，將相應的gc_ref_j減1，

在結束遍歷后，gc_ref不為0的物件，和這些物件參考的物件，以及繼續更下游參考的物件，需要被保留，而其它的物件則被垃圾回收，

總結

Python作為一種動態型別的語言，其物件和參考分離，這與曾經的面向程序語言有很大的區別，為了有效的釋放記憶體，Python內置了垃圾回收的支持，Python采取了一種相對簡單的垃圾回識訓制，即參考計數，并因此需要解決孤立參考環的問題，Python與其它語言既有共通性，又有特別的地方，對該記憶體管理機制的理解，是提高Python性能的重要一步，

標籤：Python

上一篇：用Python標準庫turtle畫一頭金牛，祝您新年牛氣沖天！（附原始碼）

下一篇：用Python爬蟲+Tkinter制作一個翻譯軟體