如果你写过C和C++，你一定知道程序中的内存管理是非常关键的，一不小心就有可能发生内存泄漏。但是我们在编写Python时似乎从不关心内存处理。为什么这么酷？在你酷炫的背后，Python其实在默默地帮你管理。让我告诉你如何实现它。1.引用计数在Python中，引用计数技术用于实现内存管理。一个对象创建后，有一个变量指向它，也就是说它的引用计数为1，如果以后还有其他变量指向它，引用计数就会相应增加。如果某个变量不再对该对象执行，则该对象的引用计数减1。如果一个对象没有任何变量指向它，即引用计数为0，那么该对象将被回收Python。示例代码如下：classPerson(object):def__init__(self,name):self.name=namedef__del__(self):print('%sexecuteddelfunction'%self.name)whileTrue:p1=Person('p1')p2=Person('p2')delp1delp2a=input('test:')可以看出两个对象的del函数都执行了。2.循环引用虽然引用计数技术可以在一定程度上解决内存管理的问题。但是还有一个问题无法解决，就是循环引用。比如现在有两个对象a和b，a指向b，b指向a，那么这两个对象的引用计数永远不会为0，也就是永远不会被回收。看下面的例子：classPerson(object):def__init__(self,name):self.name=namedef__del__(self):print('%sexecutedthedelfunction'%self.name)whileTrue:p1=Person('p1')p2=Person('p2')#循环引用后，永远不会被释放p1.next=p2p2.prev=p1delp1delp2a=input('test:')你可以看，del函数不会运行，因为循环引用导致两个对象没有被释放。3.标记清除和分代回收在Python程序中，每创建一个新的对象，这个对象都会链接到一个叫做零代的链表（当然这个链表是Python内部的，Python开发者没有不能被访问）。比如现在你在程序中创建了四个Person对象，分别命名为p1、p2、p3、p4，然后p1和p2相互引用，让p3和p4的引用计数为2。示例代码为如下：importsysclassPerson(object):def__init__(self,name):self.name=nameself.next=Noneself.prev=Nonep1=Person('p1')p2=Person('p2')p3=Person('p3')p4=Person('p4')p1.next=p2p2.prev=p1temp1=p3temp2=p4print(sys.getrefcount(p1))print(sys.getrefcount(p2))print(sys.getrefcount(p3))print(sys.getrefcount(p4))上面的代码实际上会将p1和p2以及p3和p4挂在一个叫做零代的链表中。示例图如下：我们可以看到此时p1引用了p2，p2引用了p1，所以这两个对象产生了循环引用。即使我后面删除了delp1和delp2，这两个对象也不会被释放。所以这个时候Python启用了一种新的垃圾回收机制。如果创建的对象减去释放的对象的总和达到某个值（某个阈值），那么Python会遍历零代链表，找到那些有相互引用的对象，将这些对象的引用计数减1，如果引用计数值为0，则表示可以释放对象，比如上面的p1和p2，那么p1和p2就会被释放。接下来，将没有释放的对象移动到一个新的链表中，称为第一代链表。当零代链表的清理次数达到一定阈值后，Python会遍历第一代链表，将那些没有被释放的对象移到第二代链表中。同样的原理，如果第一代链表的清理次数达到一定阈值，Python会遍历第二代链表，回收垃圾对象。四、弱代假说让我们看一下代垃圾收集算法的核心行为：垃圾收集器会更频繁地处理新对象。新对象是你的程序刚刚创建的对象，新对象是经过几个时间段后仍然存在的对象。Python在对象从第0代移动到第1代，或者从第1代移动到第2代时，会提升一个对象。为什么要这样做？该算法的根源来自弱世代假设（weakgenerationalhypothesis）。这个假设包含两个观点：首先，年轻的对象通常会很快死亡，而老的对象可能会活得更久。现在假设我在Python中创建了一个新对象：根据假设，我的代码可能只会在短时间内使用ABC。这个对象可能只是一个方法的中间结果，当方法返回时这个对象将变成垃圾。大多数新对象都像这样很快变成垃圾。然而，有时程序会创建一些非常重要的、长期存在的对象——例如Web应用程序中的会话变量或配置项。通过频繁地处理零代列表中的新对象，Python的垃圾收集器将把时间花在一个更有意义的地方：它处理那些可能很快就会变成垃圾的新对象。同时，只有极少数情况下，当满足阈值条件时，收集器会返回处理那些旧变量。文渊网络仅供学习使用，如有侵权，请联系删除。我的公众号【Python圈】汇集了优质的技术文章和经验总结。学习Python的路上肯定会遇到困难，不要慌张，我这里有一套学习资料，包括40+电子书，600+教学视频，涉及Python基础、爬虫、框架、数据分析、机学习等等，别怕学不会！还有学习交流群，一起学习进步~
