寫在前面

??垃圾回收（Garbage Collection，GC）作為現代編程語言的自動記憶體管理機制，專注于兩件事：1）找到記憶體中無用的垃圾資源；2）清除這些垃圾并把記憶體讓出來給其他物件使用，
??現在的高級語言如Java、C#等，都采用了垃圾回識訓制，而不再是C，C++里用戶自己管理維護記憶體的方式，自己管理記憶體極其自由，可以任意申請記憶體，但如同一把雙刃劍，為大量記憶體泄漏、懸空指標等埋下隱患，Python采用的是參考計數為主，標記-清除（Mark-Sweep）和分代回收兩種機制為輔的策略，但Java的垃圾回收策略并不采用參考計數，其中緣由會在后面說到，

參考計數

原理簡述

??Python在創建物件時立即向作業系統請求記憶體（Python在作業系統堆之上提供了一個抽象層，實作了自己的一套記憶體分配系統），再次創建物件時，再次請求記憶體，并且Python中的每一個物件核心是一個結構體PyObject，創建一個物件時，Python總是在物件的結構體中保存一個整數，稱為參考數(ob_refcnt)，當有一個物件有新的參考時，它的ob_refcnt就會增加，當參考它的物件被洗掉，它的ob_refcnt就會減少，當參考計數為0時，該物件生命就結束了，現在創建了3個物件分別是n1=“ABC”，n2=“DEF”，n3=“GHI”，其ob_refcnt均為1，說明有一個指標指向或者參考物件

??現在n1=“JKL”，n1指向"JKL"，不再指向”ABC“,此時Python就把"ABC"的參考數置為0，"JKL"參考數置為1，Python垃圾回識訓制——參考計數挺身而出，每當物件的參考數減為0，Python立即將其釋放，把記憶體還給作業系統，

??或者n2指向n1，

??Python的參考計數與Ruby的可用串列演算法有著諸多相似之處，只是一個看起來更加簡潔，一個看起來更加邋遢，Python的參考計數是George-Collins在1960年發明的，恰巧與John McCarthy發明的可用串列演算法在同一年出現，“1960年是垃圾收集器的黃金年代…”，

參考計數器

??參考計數演算法的原理簡而言之就是維護一個ob_refcnt(參考計數器)，用來記錄當前物件被參考的次數，也就是來追蹤到底有多少參考指向了這個物件，當發生以下四種情況，該物件多的參考計數器+1：
??1)物件被創建 a=1；
??2)物件被參考 b=a；
??3)物件被作為引數傳到函式中 func(a)；
??4)物件作為一個元素，存盤在容器中 list=[a,2]；
??與上述情況對應，當發生以下四種情況，該物件的參考計數器-1：
??1)物件的別名被顯式銷毀 del a；
??2)物件的別名被賦予新的物件 a =2；
??3)一個物件離開它的作用域，例如func函式執行完畢時，函式里面的區域變數的參考計數器就會減一（但全域變數不會）；
??4)物件從容器中被洗掉，或者容器被銷毀；
??當指向該物件的記憶體的參考計數器為0時，該記憶體將會被Python虛擬機銷毀，

優缺點

優點

??1）高效；
??2）實時性，一旦沒有參考，記憶體就立即釋放，這樣處理回收記憶體的時間就分攤了平時，（實時性可與Ruby的垃圾回收演算法比較會很明顯）
??3）物件有確定的生命周期；

缺點

??1）維護參考計數消耗資源；Python不得不在每個物件內部留一些空間來處理參考數，這樣付出了一小點兒空間上的代價，但更糟糕的是，每個簡單的操作（像修改變數或參考）都會變成一個更復雜的操作，因為Python需要增加一個計數，減少另一個，還可能釋放物件，同時這也會導致操作速度變慢，Python不停地更新著眾多參考數值，特別是當你不再使用一個大資料結構的時候，比如一個包含很多元素的串列，Python可能必須一次性釋放大量物件，減少參考數就成了一項復雜的遞回程序了；
??2）無法解決回圈參考問題，這也就是很多語言如Java并沒有使用該演算法作為垃圾回識訓制，

標記-清除與分代回收

回圈參考問題

??針對參考計數這種演算法來說，如果一個資料結構參考了它自身，即如果這個資料結構是一個回圈資料結構，那么某些參考計數值是肯定無法變成零的，為了更好地理解這個問題，舉個例子，

A = [] # 物件A的參考計數為 1
B = [] # 物件B的參考計數為 1
A.append(B) # A,B的參考計數增1
B.append(A) # A,B的參考計數增1
del A #A的參考減 1，最后A物件的參考為 1
del B #B的參考減 1, 最后B物件的參考為 1

??在這個例子中程式執行完del陳述句后，A、B物件已經沒有任何參考指向這兩個物件，但是這兩個物件各包含一個對方物件的參考，雖然最后兩個物件都無法通過其它變數來參考這兩個物件了，這對GC來說就是兩個非活動物件或者說是垃圾物件，但是他們的參考計數并沒有減少到零，Python的參考計數演算法不能夠處理互相指向自己的物件，,因此如果是使用參考計數法來管理這兩物件的話，他們并不會被回收，它會一直駐留在記憶體中，就會造成了記憶體泄漏（記憶體空間在使用完畢后未釋放），為了解決物件的回圈參考問題，Python引入了標記-清除和分代回收兩種GC機制，

原理簡述

標記-清除

標記清除（Mark—Sweep）』演算法是一種基于追蹤回收（tracing GC）技術實作的垃圾回收演算法，它分為兩個階段：第一階段是標記階段，GC會把所有的『活動物件』打上標記，第二階段是把那些沒有標記的物件『非活動物件』進行回收，
判斷活動物件與非活動物件：物件之間通過參考（指標）連在一起，構成一個有向圖，物件構成這個有向圖的節點，而參考關系構成這個有向圖的邊，從根物件（root object）出發，沿著有向邊遍歷物件，可達的（reachable）物件標記為活動物件，不可達的物件就是要被清除的非活動物件，根物件就是全域變數、呼叫堆疊、暫存器，

在上圖中，我們把小黑圈視為全域變數，也就是把它作為root object，從小黑圈出發，物件1可直達，那么它將被標記，物件2、3可間接到達也會被標記，而4和5不可達，那么1、2、3就是活動物件，4和5是非活動物件會被GC回收，可簡單用下面的程式理解，4，5相當于區域變數，1，2，3是全域變數，程式運行結果是10，那么在add函式運行程序中發生的加1操作只是臨時變數，當函式呼叫結束，區域變數的使命也就結束了，而只有全域變數一直存在，

標記清除演算法作為Python的輔助垃圾收集技術主要處理的是一些容器物件，比如list、dict、tuple，instance等，因為對于字串、數值物件是不可能造成回圈參考問題，Python使用一個雙向鏈表將這些容器物件組織起來，不過，這種簡單粗暴的標記清除演算法也有明顯的缺點：清除非活動的物件前它必須順序掃描整個堆記憶體，哪怕只剩下小部分活動物件也要掃描所有物件，

分代回收

分代回收是一種以空間換時間的操作方式，Python將記憶體根據物件的存活時間劃分為不同的集合，每個集合稱為一個代，Python將記憶體分為了3“代”，分別為年輕代（第0代）、中年代（第1代）、老年代（第2代），他們對應的是3個鏈表，它們的垃圾收集頻率與物件的存活時間的增大而減小，新創建的物件都會分配在年輕代，年輕代鏈表的總數達到上限時，Python垃圾收集機制就會被觸發，把那些可以被回收的物件回收掉，而那些不會回收的物件就會被移到中年代去，依此類推，老年代中的物件是存活時間最久的物件，甚至是存活于整個系統的生命周期內，同時，分代回收是建立在標記清除技識訓礎之上，分代回收同樣作為Python的輔助垃圾收集技術處理那些容器物件，

??Python使用一種不同的鏈表來持續追蹤活躍的物件，而不將其稱之為“活躍串列”，Python的內部C代碼將其稱為零代(Generation Zero)，每次當你創建一個容器物件的時候，Python會將其加入零代鏈表（水平的雙向箭頭表示相互參考，天藍色箭頭表示外部參考）：

隨后，Python會回圈遍歷零代串列上的每個物件，檢查串列中每個互相參考的物件，根據規則其參考計數-1，在這個程序中，Python會一個接一個的統計內部參考的數量以防過早地釋放物件，如果被參考數為0，則觸發參考計數回收條件，被回收掉，未被回收的物件，升級為1代，

??通過識別內部參考，Python能夠減少許多零代鏈表物件的參考計數，在上圖的第一行中你能夠看見第一、二、四的參考計數已經變為零了，這意味著收集器可以釋放它們并回收記憶體空間了，剩下的活躍的物件則被移動到一個新的鏈表：一代鏈表，

觸發條件

??此演算法主要用來處理回圈參考的情況，只有容器物件（list、dict、tuple，instance）才會出現回圈參考的情況，
??1）被參考為0時，立即回收當前物件
??2）達到了垃圾回收的閾值，觸發標記-清除

因為回圈參考的原因，并且因為你的程式使用了一些比其他物件存在時間更長的物件，從而被分配物件的計數值與被釋放物件的計數值之間的差異在逐漸增長，一旦這個差異累計超過某個閾值，則Python的收集機制就啟動了，并且觸發上邊所說到的零代演算法，釋放“浮動的垃圾”，并且將剩下的物件移動到一代鏈表，
隨著時間的推移，一代鏈表越來越多，多到觸發gc閾值，同樣會對一代鏈表進行標記清除操作，然后將剩下活躍物件升為二代，

??3）手動呼叫gc.collect()
??4）Python虛擬機退出的時候

處理流程

• 分配記憶體
• 發現超過閾值了
• 觸發垃圾回收
• 將所有可收集物件鏈表放到一起
• 遍歷, 計算有效參考計數
• 分成 有效參考計數=0 和 有效參考計數 > 0 兩個集合（大于0的, 放入到更老一代；=0的, 執行回收）
• 回收遍歷容器內的各個元素, 減掉對應元素參考計數(破掉回圈參考)
• 執行-1的邏輯, 若發現物件參考計數=0, 觸發記憶體回收
• python底層記憶體管理機制回收記憶體