Python垃圾回收机制全解析

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《Python垃圾回收机制详解》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

Python垃圾回收机制以引用计数为核心，辅以循环垃圾回收解决循环引用问题；通过PyObject结构体中的ob_refcnt字段实现引用计数，当对象引用计数为0时自动释放内存，同时循环垃圾回收器定期扫描并清理不可达对象；开发者可通过gc模块手动控制回收行为，但需权衡性能影响，如CPU占用、程序暂停和内存碎片等。

Python的垃圾回收机制，简单来说，就是Python自动管理内存，释放不再使用的对象，避免内存泄漏。它主要依赖引用计数，并辅以循环垃圾回收。

引用计数是核心，每个对象都有个计数器，记录有多少个引用指向它。当计数器归零时，对象就被认为是垃圾，可以回收。但引用计数解决不了循环引用的问题，比如两个对象互相引用，即使外部没有引用它们，它们的计数器也永远不会是零。这时候，循环垃圾回收就派上用场了。

引用计数 + 循环垃圾回收。

Python是如何实现引用计数的？

Python的每个对象，在C语言层面，都有一个PyObject结构体，其中包含了ob_refcnt字段，这就是引用计数器。每次创建一个新的引用指向这个对象，ob_refcnt就加1。当引用失效，比如离开作用域或者被赋予新值，ob_refcnt就减1。当ob_refcnt变为0时，Python就会调用该对象的析构函数__del__，释放内存。

但这里有个小问题，频繁的增加和减少引用计数，会带来一定的性能开销。而且，如果对象中定义了__del__方法，垃圾回收会变得更加复杂，因为需要考虑析构函数的执行顺序。

import sys

a = [1, 2, 3]
b = a

print(sys.getrefcount(a)) # 至少是2，因为getrefcount本身也会增加一次引用
del a
print(sys.getrefcount(b)) # 还是1，因为a只是一个引用，删除a并不影响b
del b
# 现在对象[1, 2, 3]的引用计数变为0，会被垃圾回收

循环垃圾回收是如何工作的？

循环垃圾回收主要解决的是，互相引用的对象无法被引用计数机制回收的问题。它会定期扫描堆内存，寻找不可达对象（即没有被任何活动对象引用的对象）。

具体来说，循环垃圾回收器会维护两个链表：reachable和unreachable。首先，它会假设所有对象都是垃圾，把它们都放到unreachable链表中。然后，它会遍历所有对象，如果发现某个对象被其他活动对象引用，就把它从unreachable链表移动到reachable链表中。

遍历完成后，unreachable链表中剩下的对象就是真正的垃圾，可以被回收了。当然，这个过程会比较耗时，所以Python不会每次都执行循环垃圾回收，而是会根据一定的策略，比如分配对象的数量达到一定阈值时，才会触发。

import gc

# 创建循环引用
a = {}
b = {}
a['b'] = b
b['a'] = a

# 手动触发垃圾回收
gc.collect()

# 检查被回收的对象数量
print(gc.collect()) # 输出可能为2或0，取决于Python版本和运行环境

如何手动控制垃圾回收？

虽然Python会自动进行垃圾回收，但有时候我们可能需要手动控制，比如在内存使用量过高时，或者在长时间运行的程序中。

Python提供了gc模块，可以用来控制垃圾回收的行为。常用的方法有：

• gc.collect()：手动触发垃圾回收。
• gc.disable()：禁用垃圾回收。
• gc.enable()：启用垃圾回收。
• gc.isenabled()：检查垃圾回收是否启用。
• gc.get_threshold()：获取垃圾回收的阈值。
• gc.set_threshold()：设置垃圾回收的阈值。

手动控制垃圾回收需要谨慎，因为不当的操作可能会导致内存泄漏或者程序崩溃。一般来说，只有在非常了解程序行为的情况下，才建议手动控制垃圾回收。

import gc

# 禁用垃圾回收
gc.disable()

# ... 执行一些操作 ...

# 启用垃圾回收
gc.enable()

# 手动触发垃圾回收
gc.collect()

垃圾回收对性能有什么影响？

垃圾回收虽然可以自动管理内存，但也带来一定的性能开销。主要体现在以下几个方面：

• CPU占用： 垃圾回收器需要扫描堆内存，识别和回收垃圾对象，这会占用CPU资源。
• 暂停： 在某些情况下，垃圾回收器可能会暂停程序的执行，以便进行垃圾回收。这种暂停可能会导致程序响应变慢，影响用户体验。
• 内存碎片： 垃圾回收可能会导致内存碎片，即内存中存在很多小的、不连续的空闲块，无法被利用。内存碎片会降低内存的利用率，甚至导致程序无法分配到足够的内存。

为了减少垃圾回收对性能的影响，我们可以采取一些措施，比如：

• 减少对象的创建： 尽量重用对象，避免频繁创建和销毁对象。
• 使用生成器： 生成器可以按需生成数据，避免一次性加载大量数据到内存中。
• 手动释放资源： 对于一些占用资源较多的对象，比如文件句柄、数据库连接等，应该在使用完毕后及时释放。
• 调整垃圾回收参数： 可以根据程序的特点，调整垃圾回收的阈值，以达到更好的性能。

总而言之，Python的垃圾回收机制是一把双刃剑。它简化了内存管理，但也带来一定的性能开销。我们需要了解垃圾回收的工作原理，并采取相应的措施，才能充分发挥Python的优势。

到这里，我们也就讲完了《Python垃圾回收机制全解析》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于性能影响,引用计数,Python垃圾回收机制,gc模块,循环垃圾回收的知识点！