Date: 2019-05-27
Author: Sun
内存管理机制
python中万物皆对象，python的存储问题是对象的存储问题，并且对于每个对象，python会分配一块内存空间去存储它
Python的内存管理机制：引入计数、垃圾回收、内存池机制
一、变量与对象
1、变量，通过变量指针引用对象
变量指针指向具体对象的内存空间，取对象的值。
2、对象，类型已知，每个对象都包含一个头部信息（头部信息：类型标识符和引用计数器）
注意：
变量名没有类型，类型属于对象（因为变量引用对象，所以类型随对象），变量引用什么类型的对象，变量就是什么类型的。
In [32]: var1=objectIn [33]: var2=var1In [34]: id(var1)Out[34]: 139697863383968In [35]: id(var2)Out[35]: 139697863383968
说明：
id()是python的内置函数，用于返回对象的身份，即对象的内存地址。
修改变量所指对象值情况
案例：
In [39]: a=123In [40]: b=aIn [41]: id(a)Out[41]: 23242832In [42]: id(b)Out[42]: 23242832In [43]: a=456In [44]: id(a)Out[44]: 33166408In [45]: id(b)Out[45]: 23242832
3、引用所指判断
通过is进行引用所指判断，is是用来判断两个引用所指的对象是否相同。
整数
In [46]: a=1In [47]: b=1In [48]: print(a is b)True
短字符串
In [49]: c="good"In [50]: d="good"In [51]: print(c is d)True
长字符串
In [52]: e="very good"In [53]: f="very good"In [54]: print(e is f)False
列表
In [55]: g=[]In [56]: h=[]In [57]: print(g is h)False
由运行结果可知：
1、Python缓存了整数和短字符串，因此每个对象在内存中只存有一份，引用所指对象就是相同的，即使使用赋值语句，也只是创造新的引用，而不是对象本身；
2、Python没有缓存长字符串、列表及其他对象，可以由多个相同的对象，可以使用赋值语句创建出新的对象。
3. python中对大于256的整数，会重新分配对象空间地址保存对象；对于字符串来说，如果不包含空格的字符串，则不会重新分配对象空间，对于包含空格的字符串则会重新分配
（a = 256, b = 256 , a is b == true, a = 300, b= 300, a is b == false;
x = "abc ef" , y="abc ef" x is y == false）
二、引用计数
在Python中，每个对象都有指向该对象的引用总数---引用计数
查看对象的引用计数：sys.getrefcount()
1、普通引用
In [2]: import sysIn [3]: a=[1,2,3,4]In [4]: sys.getrefcount(a)Out[4]: 2In [5]: b=aIn [6]: sys.getrefcount(a)Out[6]: 3In [7]: sys.getrefcount(b)Out[7]: 3
注意：
当使用某个引用作为参数，传递给getrefcount()时，参数实际上创建了一个临时的引用。因此，getrefcount()所得到的结果，会比期望的多1。
2、容器对象
Python的一个容器对象(比如：表、词典等)，可以包含多个对象。
In [12]: a=[1,2,3,4,5]In [13]: b=aIn [14]: a is bOut[14]: TrueIn [15]: a[0]=6In [16]: aOut[16]: [6, 2, 3, 4, 5]In [17]: a is bOut[17]: TrueIn [18]: bOut[18]: [6, 2, 3, 4, 5]
列表赋值
由上可见，实际上，容器对象中包含的并不是元素对象本身，是指向各个元素对象的引用。
3、引用计数增加
（1）对象被创建
In [39]: sys.getrefcount(123)Out[39]: 6In [40]: n=123In [41]: sys.getrefcount(123)Out[41]: 7
(2) 另外的别人被创建
In [42]: m=nIn [43]: sys.getrefcount(123)Out[43]: 8
(3) 作为容器对象的一个元素
In [44]: a=[1,12,123]In [45]: sys.getrefcount(123)Out[45]: 9
(4) 作为参数传递给函数：foo(x)
4、引用计数减少
(1) 对象的别名被显式的销毁
In [46]: del mIn [47]: sys.getrefcount(123)Out[47]: 8
(2) 对象的一个别名被赋值给其他对象
In [48]: n=456In [49]: sys.getrefcount(123)Out[49]: 7
(3) 对象从一个窗口对象中移除，或，窗口对象本身被销毁
In [50]: a.remove(123)In [51]: aOut[51]: [1, 12]In [52]: sys.getrefcount(123)Out[52]: 6
三、垃圾回收
当Python中的对象越来越多，占据越来越大的内存，启动垃圾回收(garbage collection)，将没用的对象清除。
1、原理
当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾。比如某个新建对象，被分配给某个引用，对象的引用计数变为1。如果引用被删除，对象的引用计数为0，那么该对象就可以被垃圾回收。
In [74]: a=[321,123]In [75]: del a
2、解析del
del a后，已经没有任何引用指向之前建立的[321,123]，该表引用计数变为0，用户不可能通过任何方式接触或者动用这个对象，当垃圾回收启动时，Python扫描到这个引用计数为0的对象，就将它所占据的内存清空。
3、注意
(1)、垃圾回收时，Python不能进行其它的任务，频繁的垃圾回收将大大降低Python的工作效率；
(2)、Python只会在特定条件下，自动启动垃圾回收（垃圾对象少就没必要回收）
(3)、当Python运行时，会记录其中分配对象(object allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。
In [93]: import gcIn [94]: gc.get_threshold() #gc模块中查看阈值的方法Out[94]: (700, 10, 10)
阈值分析：
700即是垃圾回收启动的阈值；
每10次0代垃圾回收，会配合1次1代的垃圾回收；而每10次1代的垃圾回收，才会有1次的2代垃圾回收；
当然也是可以手动启动垃圾回收：
In [95]: gc.collect() #手动启动垃圾回收Out[95]: 2
4、何为分代回收
Python将所有的对象分为0，1，2三代；
所有的新建对象都是0代对象；
当某一代对象经历过垃圾回收，依然存活，就被归入下一代对象。
四、内存池机制
Python中有分为大内存和小内存：（256K为界限分大小内存）
1、大内存使用malloc进行分配
2、小内存使用内存池进行分配
3、Python的内存池(金字塔)
第3层：最上层，用户对Python对象的直接操作
第1层和第2层：内存池，有Python的接口函数PyMem_Malloc实现-----若请求分配的内存在1~256字节之间就使用内存池管理系统进行分配，调用malloc函数分配内存，但是每次只会分配一块大小为256K的大块内存，不会调用free函数释放内存，将该内存块留在内存池中以便下次使用。
第0层：大内存-----若请求分配的内存大于256K，malloc函数分配内存，free函数释放内存。
第 -1，-2层：操作系统进行操作
python内存分配情况图
