筆記-python-記憶體管理
a = 1
1是乙個物件，a是引用，指向1。
>>> id(a)
這個數字代表記憶體位址；
在python中，整數和短小的字元，python都會快取這些物件，以便重複使用。當我們建立多個等於1的引用時，實際上是讓所有這些引用指向同乙個物件。
下面進行測試：
a = 1
b = 1
print(id(a), id(b), a is b)
1951821280 1951821280 true
這點需要特別注意，特別是在多重陣列建立時；
在python中，每個物件都有存有指向該物件的引用總數，即引用計數(reference count)
可以使用sys包中的getrefcount()，來檢視某個物件的引用計數。需要注意的是，當使用某個作為引數，傳遞給getrefcount()時，引數實際上建立了乙個臨時的引用；所以，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 = a
print(getrefcount(b))
輸出是2和3，而非1和2
python的乙個容器物件(container)，比如表、詞典等，可以包含多個物件，實際上，容器物件中包含的並不是元素物件本身，而是指向各個元素物件的引用。
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))
結果是顯然，a引用了b。
當乙個物件a被另乙個物件b引用時，a的引用計數將增加1.
容器的引用可能構成複雜的拓撲。
引用環：reference cycle兩個物件可能相互引用，構成引用環。
a =
b = [a]
即使是乙個物件，只需要自己引用自己，也能構成引用環。
a =
print(getrefcount(a))
引用環會給垃圾**機制帶來很大的麻煩。
當然，引用計數是會減少的，比如，刪除引用；
from sys import getrefcount
a = [1, 2, 3]
b = a
print(getrefcount(b))
del a
print(getrefcount(b))
或者，引用指向其它物件；
from sys import getrefcount
a = [1, 2, 3]
b = a
print(getrefcount(b))
a = 1
print(getrefcount(b))
記憶體不是無限的，很多物件也不會一直占用記憶體，因此，在合適的時候需要記憶體**garbage colleciton；
python中的垃圾**是以引用計數為主，分代收集為輔。引用計數的缺陷是迴圈引用的問題。
在python中，如果乙個物件的引用數為0，python虛擬機器就會**這個物件的記憶體。
**垃圾無疑需要占用處理能力，垃圾**時，python不能進行其它的任務。頻繁的垃圾**將大大降低python的工作效率，如果記憶體中的物件不多，就沒有必要總啟動垃圾**。
所以，python只會在特定條件下，自動啟動垃圾**。當python執行時，會記錄其中分配物件(object allocation)和取消分配物件(object deallocation)的次數。當兩者的差值高於某個閾值時，垃圾**才會啟動。
可以通過gc模組的get_threshold()方法，檢視該閾值:
import gc
print(gc.get_threshold())
返回(700, 10, 10)，後面的兩個10是與分代**相關的閾值，後面可以看到。700即是垃圾**啟動的閾值。可以通過gc中的set_threshold()方法重新設定。
也可以手動啟動垃圾**，即使用gc.collect()。
導致引用計數+1的情況
物件被建立，例如a=23
物件被引用，例如b=a
物件被作為引數，傳入到乙個函式中，例如func(a) 物件作為引數傳入到乙個函式中會 +2
物件作為乙個元素，儲存在容器中，例如list1=[a,a]
導致引用計數-1的情況
物件的別名被顯式銷毀，例如del a
物件的別名被賦予新的物件，例如a=24
乙個物件離開它的作用域，例如f函式執行完畢時，func函式中的區域性變數（全域性變數不會）
物件所在的容器被銷毀，或從容器中刪除物件
python同時採用了分代(generation)**的策略。這一策略的基本假設是，存活時間越久的物件，越不可能在後面的程式中變成垃圾。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。出於信任和效率，對於這樣一些「長壽」物件，我們相信它們的用處，所以減少在垃圾**中掃瞄它們的頻率。
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**，依然存活，那麼它就被歸入下一代物件。垃圾**啟動時，一定會掃瞄所有的0代物件。如果0代經過一定次數垃圾**，那麼就啟動對0代和1代的掃瞄清理。當1代也經歷了一定次數的垃圾**後，那麼會啟動對0，1，2，即對所有物件進行掃瞄。
這兩個次數即上面get_threshold()返回的(700, 10, 10)返回的兩個10。也就是說，每10次0代垃圾**，會配合1次1代的垃圾**；而每10次1代的垃圾**，才會有1次的2代垃圾**。
同樣可以用set_threshold()來調整，比如對2代物件進行更頻繁的掃瞄。
import gc
gc.set_threshold(700, 10, 5)
引用環的存在會給上面的垃圾**機制帶來很大的困難。這些引用環可能構成無法使用，但引用計數不為0的一些物件。
a =
b = [a]
del a
del b
從需求來看，上面兩個物件不再使用，應該釋放對應的資源；但由於引用環，這兩個物件的引用計數都沒有降到0，不會被**；
為了**這樣的引用環，python複製每個物件的引用計數，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。對於每個物件i引用的物件j，將相應的gc_ref_j減1。
在結束遍歷後，gc_ref不為0的物件，和這些物件引用的物件，以及繼續更下游引用的物件，需要被保留。而其它的物件則被垃圾**。
記憶體管理筆記
mrc手動記憶體管理 1.系統不會去檢查已釋放的物件，也就是說，當乙個物件的引用計數為0時，這個物件此時再呼叫其方法不會報錯，成為野指標 除非開啟殭屍除錯診斷，一旦開啟殭屍診斷就會發現崩潰。2.當把這個物件賦值為nil時，成為空指標 再呼叫其方法，將不會出錯，更不會崩潰。3.dealloc方法必須含...
python 記憶體分析 python記憶體管理分析
記憶體管理，對於python這樣的動態語言，是至關重要的一部分，它在很大程度上甚至決定了python的執行效率，因為在python的執行中，會建立和銷毀大量的物件，這些都涉及到記憶體的管理。小塊空間的記憶體池 在python中，許多時候申請的記憶體都是小塊的記憶體，這些小塊記憶體在申請後，很快又會被...
python 記憶體管理
記憶體管理，對於python這樣的動態語言，是至關重要的一部分，它在很大程度上甚至決定了python的執行效率，因為在python的執行中，會建立和銷毀大量的物件，這些都涉及到記憶體的管理。小塊空間的記憶體池 在python中，許多時候申請的記憶體都是小塊的記憶體，這些小塊記憶體在申請後，很快又會被...