如何理解和优化Python的垃圾回收机制？

得益于 Python 的自动垃圾回收机制，在 Python 中创建对象时无须手动释放。这对开发者非常友好，让开发者无须关注低层内存管理。但如果对其垃圾回收机制不了解，很多时候写出的 Python 代码会非常低效。

垃圾回收算法有很多，主要有： 引用计数 、 标记-清除 、 分代收集 等。

在 python 中，垃圾回收算法以 引用计数 为主， 标记-清除 和 分代收集 两种机制为辅。

1 引用计数

1.1 引用计数算法原理

引用计数原理比较简单：

每个对象有一个整型的引用计数属性。用于记录对象被引用的次数。例如对象 A ，如果有一个对象引用了 A ，则 A 的引用计数 +1 。当引用删除时， A 的引用计数 -1 。当 A 的引用计数为0时，即表示对象 A 不可能再被使用，直接回收。

在 Python 中，可以通过 sys 模块的 getrefcount 函数获取指定对象的引用计数器的值，我们以实际例子来看。

import sys

class A():
    def __init__(self):
        pass
        
a = A()
print(sys.getrefcount(a))

运行上面代码，可以得到输出结果为 2 。

1.2 计数器增减条件

上面我们看到，创建一个 A 对象，并将对象赋值给 a 变量后，对象的引用计数器值为 2 。那么什么时候计数器会 +1 ，什么时候计数器会 -1 呢？

1.2.1 引用计数+1的条件

A()
a=A()
func(a)
arr=[a,a]

1.2.2 引用计数-1的条件

对象被显式销毁，如 del a 。变量重新赋予新的对象，例如 a=0 。对象离开它的作用域，如 func 函数执行完毕时， func 函数中的局部变量（全局变量不会）。

对象所在的容器被销毁，或从容器中删除对象。

1.2.3 代码实战

为了更好的理解计数器的增减，我们运行实际代码，一目了然。

import sys
 
class A():

    def __init__(self):
        pass
 
print("创建对象 0 + 1 =", sys.getrefcount(A()))

a = A()
print("创建对象并赋值 0 + 2 =", sys.getrefcount(a))

b = a
c = a
print("赋给2个变量 2 + 2 =", sys.getrefcount(a))

b = None
print("变量重新赋值 4 - 1 =", sys.getrefcount(a))

del c
print("del对象 3 - 1 =", sys.getrefcount(a))

d = [a, a, a]
print("3次加入列表 2 + 3 =", sys.getrefcount(a))


def func(c):
    print('传入函数 1 + 2 = ', sys.getrefcount(c))
func(A())

输出结果如下：

创建对象 0 + 1 = 1
创建对象并赋值 0 + 2 = 2
赋给2个变量 2 + 2 = 4
变量重新赋值 4 - 1 = 3
del对象 3 - 1 = 2
3次加入列表 2 + 3 = 5
传入函数 1 + 2 =  3

1.3 引用计数的优点与缺点

1.3.1 引用计数优点

• 高效、逻辑简单，只需根据规则对计数器做加减法。

• 实时性。一旦对象的计数器为零，就说明对象永远不可能再被用到，无须等待特定时机，直接释放内存。

1.3.2 引用计数缺点

需要为对象分配引用计数空间，增大了内存消耗。

当需要释放的对象比较大时，如字典对象，需要对引用的所有对象循环嵌套调用，可能耗时比较长。

循环引用。 这是引用计数的致命伤，引用计数对此是无解的，因此必须要使用其它的垃圾回收算法对其进行补充。

2 标记-清除

上一小节提到，引用计数算法无法解决循环引用问题，循环引用的对象会导致大家的计数器永远都不会等于 0 ，带来无法回收的问题。

标记-清除 算法主要用于潜在的循环引用问题，该算法分为2步：

1. 标记阶段。将所有的对象看成图的节点，根据对象的引用关系构造图结构。从图的根节点遍历所有的对象，所有访问到的对象被打上标记，表明对象是“可达”的。

2. 清除阶段。遍历所有对象，如果发现某个对象没有标记为“可达”，则就回收。

以具体代码示例说明：

class A():
    def __init__(self):
        self.obj = None
 
def func():
    a = A()
    b = A()
    c = A()
    d = A()

    a.obj = b
    b.obj = a
    return [c, d]

e = func()

上面代码中，a和b相互引用，e引用了c和d。整个引用关系如下图所示

如果采用引用计数器算法，那么a和b两个对象将无法被回收。而采用标记清除法，从根节点（即e对象）开始遍历，c、d、e三个对象都会被标记为 可达 ，而a和b无法被标记。因此a和b会被回收。

这是读者可能会有疑问，为什么确定根节点是e，而不会是a、b、c、d呢？这里就有讲究了，什么样的对象会被看成是根节点呢？一般而言，根节点的选取包括（但不限于）如下几种：

• 当前栈帧中的本地变量表中引用的对象，如各个线程被调用的方法堆栈中使用到的参数、 局部变量、 临时变量等。

• 全局静态变量

• ...

3 分代收集

3.1 分代收集原理

在执行垃圾回收过程中，程序会被暂停，即 stop-the-world 。这里很好理解：你妈妈在打扫房间的时候，肯定不允许你在房间内到处丢垃圾，要不然永远也无法打扫干净。

为了减少程序的暂停时间，采用 分代回收 ( Generational Collection )降低垃圾收集耗时。

分代回收基于这样的法则：

1. 接大部分的对象生命周期短，大部分对象都是朝生夕灭。

2. 经历越多次数的垃圾收集且活下来的对象，说明该对象越不可能是垃圾，应该越少去收集。

Python 中，对象一共有3种世代： G0 , G1 , G2 。

1. 对象刚创建时为 G0 。

2. 如果在一轮 GC 扫描中存活下来，则移至 G1 ，处于 G1 的对象被扫描次数会减少。

3. 如果再次在扫描中活下来，则进入 G2 ，处于 G1 的对象被扫描次数将会更少。

3.2 触发GC时机

当某世代中分配的对象数量与被释放的对象之差达到某个阈值的时，将触发对该代的扫描。当某世代触发扫描时，比该世代年轻的世代也会触发扫描。

那么这个阈值是多少呢？我们可以通过代码查看或者修改，示例代码如下

import gc
threshold = gc.get_threshold()
print("各世代的阈值:", threshold)

# 设置各世代阈值
# gc.set_threshold(threshold0[, threshold1[, threshold2]])
gc.set_threshold(800, 20, 20)

输出结果如下：

各世代的阈值: (700, 10, 10)