语言的内存管理是语言设计的一个重要方面。它是决定语言表现的重要因素。无论是C语言的手工管理，还是Java的垃圾回收，都成为了该语言最重要的特性。这里以Python语言为例，说明动态类型、面向对象语言的内存管理方法。使用赋值语句的对象内存是语言最常见的功能之一。但即使是最简单的赋值语句也可能非常有意义。Python的赋值语句值得研究。a=1整数1是一个对象。而a是一个参考。使用赋值语句，将a指向对象1的引用。Python是一种动态类型语言（请参阅动态类型），其中对象与引用是分开的。就像使用“筷子”一样，Python通过引用来触摸和翻转真实的食物对象。引用和对象要探索对象在内存中的存储位置，我们可以求助于Python的内置函数id()。它用于返回对象的标识。其实这里所谓的标识就是对象的内存地址。a=1print(id(a))print(hex(id(a)))在我的电脑上，它们返回：11246696'0xab9c68'分别是内存地址的十进制和十六进制表示。在Python中，整数和短字符，Python会缓存这些对象以供重复使用。当我们创建多个等于1的引用时，我们实际上是在让所有这些引用都指向同一个对象。a=1b=1print(id(a))print(id(b))上面程序返回1124669611246696，可以看出a和b其实是指向同一个对象的两个引用。要验证两个引用是否指向同一个对象，我们可以使用is关键字。is用于判断两个引用指向的对象是否相同。#Truea=1b=1print(aisb)#Truea="good"b="good"print(aisb)#Falsea="verygoodmorning"b="verygoodmorning"print(aisb)#Falsea=[]b=[]print(aisb)以上注释为对应的运行结果。如您所见，由于Python缓存整数和短字符串，因此每个对象只有一个副本。例如，对整数1的所有引用都指向同一个对象。即使使用赋值语句，也只会创建一个新引用，而不是对象本身。长字符串和其他对象可以有多个相同的对象，可以使用赋值语句创建新对象。在Python中，每个对象都有对该对象的引用总数，即引用计数（referencecount）。我们可以使用sys包中的getrefcount()来查看一个对象的引用计数。需要注意的是，当一个引用被用作参数并传递给getrefcount()时，该参数实际上创建了一个临时引用。因此，getrefcount()得到的结果会比预期的多1。fromsysimportgetrefcounta=[1,2,3]print(getrefcount(a))b=aprint(getrefcount(b))由于上述原因，两个getrefcounts将返回2和3，而不是预期的1和2。对象引用对象Python的容器对象（container），如表、字典等，可以包含多个对象。实际上，容器对象中包含的并不是元素对象本身，而是对每个元素对象的引用。我们还可以自定义一个对象，引用其他对象：))print(id(b))可以看出a引用了对象b。对象是指对象，这是Python最基本的形式。就连a=1的赋值，实际上也是让字典的一个键“a”的元素引用了整型对象1。这个字典对象就是用来记录所有全局引用的。字典引用了整数对象1。我们可以使用内置函数globals()查看这个字典。当一个对象A被另一个对象B引用时，A的引用计数会加1fromsysimportgetrefcounta=[1,2,3]print(getrefcount(a))b=[a,a]print(getrefcount(a))由于对象b引用了两次a，所以a的引用计数增加了2。对容器对象的引用可以形成复杂的拓扑结构。我们可以使用objgraph包来绘制它的引用关系，比如x=[1,2,3]y=[x,dict(key1=x)]z=[y,(x,y)]importobjgraphobjgraph.show_refs([z],filename='ref_topo.png')objgraph是Python的第三方包。安装前需要先安装xdot。sudoapt-getinstallxdotsudopipinstallobjgraphObjgraph官网两个对象可能会互相引用，这样就形成了所谓的引用循环。a=[]b=[a]a.append(b)即使是对象，也只需要引用自己就可以形成引用循环。a=[]a.append(a)print(getrefcount(a))引用环会给垃圾回收机制带来很多麻烦，后面会详细介绍。引用减少对象的引用计数可能会减少。例如，可以使用del关键字来删除一个引用：fromsysimportgetrefcounta=[1,2,3]b=aprint(getrefcount(b))delaprint(getrefcount(b))del也可以用来删除容器元素中的元素，如:a=[1,2,3]dela[0]print(a)如果一个引用指向对象A，当这个引用被重定向到某个其他对象B时，对象A的引用计数被递减：fromsysimportgetrefcounta=[1,2,3]b=aprint(getrefcount(b))a=1print(getrefcount(b))垃圾回收吃多了总会发胖，Python也一样。当Python中的对象越来越多时，它们占用的内存也会越来越多。不过你不用太担心Python的体型，它会在合适的时候乖乖“减肥”，开始垃圾回收（garbagecollection），清理无用的对象。垃圾收集可用于多种语言，例如Java和Ruby。虽然最终目的是为了塑造苗条的提醒，但是不同语言的减肥方案还是有很大差异的（这点可以和本文以及Java的内存管理和垃圾回收类比）。原则上，当Python中一个对象的引用计数降为0时，就意味着没有引用指向该对象，该对象就变成了垃圾，需要回收。例如，一个新的对象被赋值给一个引用，这个对象的引用计数就变成了1。如果这个引用被删除，这个对象的引用计数就为0，那么这个对象就有资格进行垃圾回收了。比如下表：a=[1,2,3]deladela之后，没有引用指向之前建立的[1,2,3]表。用户不可能以任何方式触摸或使用此对象。如果这个对象继续留在内存中，它就会变成不健康的脂肪。当垃圾回收开始时，Python扫描引用计数为0的对象并清除其占用的内存。然而，减肥是一项昂贵且费力的工作。在垃圾回收期间，Python不能执行其他任务。频繁的垃圾回收会大大降低Python的生产力。如果内存中的对象不多，就没有必要一直启动垃圾回收。因此，Python只会在特定条件下自动启动垃圾回收。Python在运行时，会记录对象分配和对象释放的次数。只有当两者之间的差异超过某个阈值时，垃圾收集才会开始。我们可以通过gc模块的get_threshold()方法查看阈值：importgcprint(gc.get_threshold())返回(700,10,10)，后面两个10是分代回收相关的阈值，后面可以看到.700是垃圾收集开始的阈值。可以通过gc中的set_threshold()方法重新设置。我们也可以手动启动垃圾收集，即使用gc.collect()。分代回收Python也采用了分代回收的策略。该策略的基本假设是对象存活的时间越长，它在程序后期变成垃圾的可能性就越小。我们的程序经常会产生大量的对象，很多对象产生和消失的速度都很快，但有些对象却用了很长时间。为了信任和效率，对于这种“长寿”的对象，我们相信它们的用处，所以在垃圾回收中减少扫描它们的频率。小家伙需要多检查一下。Python将所有的对象分为3代：0、1、2。所有新创建的对象都是0代对象。当某一代对象经过垃圾回收后仍然存活时，就被归类为下一代对象。当垃圾回收开始时，它肯定会扫描所有第0代对象。如果0代已经经历了一定次数的垃圾回收，那么就开始对0代和1代进行扫描清理。当1代也经历了一定次数的垃圾回收之后，就会开始扫描0,1,2，即所有对象。这两次就是上面get_threshold()返回的(700,10,10)返回的两个10。也就是说，每10次第0代垃圾回收都会伴随一次第1代垃圾回收；每10次第1代垃圾回收将伴随第2代垃圾回收。也可以通过set_threshold()进行调整，比如更频繁地扫描2代对象。importgcgc.set_threshold(700,10,5)Isolatedreferencerings引用环的存在会给上面的垃圾回收机制带来很大的困难。这些引用环可能构成了一些不能使用的对象，但是引用计数不为0。参考环。删除了a和b的引用后，这两个对象就不能再从程序中调用了，也就没用了。但是由于引用环的存在，这两个对象的引用计数并没有降为0，也就不会被垃圾回收。孤立的引用环为了回收这样的引用环，Python复制了每个对象的引用计数，表示为gc_ref。假设，对于每个对象i，这个计数是gc_ref_i。Python将迭代所有对象i。对于对象i引用的每个对象j，将对应的gc_ref_j减1。遍历结果遍历后，gc_ref不为0的对象，这些对象引用的对象，以及更下游引用的对象都需要保留。其他对象被垃圾收集。总结Python作为一种动态类型语言，将对象和引用分开。这与过去的面向过程的语言有很大的不同。为了有效地释放内存，Python内置了对垃圾收集的支持。Python采用了一种比较简单的垃圾回收机制，即引用计数，因此需要解决孤立引用环的问题。Python与其他语言既有共性也有特殊性。了解这种内存管理机制是提高Python性能的重要一步。
