Python垃圾回收详解
- 1.序言
- 2.环形双向链表
- 3.引用计数
- 4.标记清除
- 5.分代回收
- 6.Python缓存
- 池（int）
- free_list（float/list/tuple/dict)
- unicode_latin1[256]（str）
1.序言
大家都知道每个语言都会有自己的垃圾回收机制，python也不例外。
Python的垃圾回收机制是以引用计数为主，标记清除和分代回收为辅加上缓存机制
市面上大部分人使用的都是CPython(以下均用Python指代)，众所周知，Python是基于C语言的，所以Python的垃圾回收机制与C语言相似。
正式介绍垃圾回收机制之前，我们先了解一个重要的概念环形双向链表refchain
2.环形双向链表
在python程序中创建任何对象都会放在refchain链表中而当我们创建一个对象时，程序内部还会创建一些其他数据，让我们从C源码中看看会创建哪些数据
大家可以看到PyObject结构体中第一行_PyObject_HEAD_EXTRA中定义了上一个对象prev和下一个对象next两个值，第二行第三行定义了引用计数器和数据类型两个值，综上，在PyObject结构体中包含了4个值
大家继续往下看PyVarObject结构体，当对象是由多个元素组成的时候，还包含一个元素个数ob_size的值
# 在C源码中如何体现每个对象中都有的相同的值：PyObject结构体（4个值）。
# 有多个元素组成的对象：PyObject结构体（4个值） + ob_size 。
# 下面给大家看一个例子就能很清楚地了解了
data = 3.14 # 创建一个浮点型数据
# 内部会创建：
# _ob_next = refchain中的上一个对象
# _ob_prev = refchain中的下一个对象
# ob_refcnt = 1
# ob_type = float
# ob_fval = 3.14OK，了解了环形双象链表后，大家就能了解透彻以下Python垃圾回收机制内容了
3.引用计数
刚刚我们有学到当python程序运行时，会根据数据类型的不同找到其对应的结构体，根据结构体中的字段来进行创建相关的数据，然后将对象添加到refchain环形双向链表中
其中PyObject结构体中地ob_refcnt就是引用计数器，值默认为1，当有其他变量引用对象时，引用计数器就会发生变化
- 引用
a = 99999 # a对应对象引用计数为1
b = a # b对应对象引用计数为1- 删除引用
a = 99999
b = a
del b # b变量删除；b对应对象引用计数器-1,1-1=0
del a # a变量删除；a对应对象引用计数器-1,1-1=0
# 当一个对象的引用计数器为0时，意味着没有人再使用这个对象了，这个对象就是垃圾，垃圾回收。
# 回收：1.对象从refchain链表移除；2.将对象销毁，内存归还。大家看上面的引用计数垃圾回收是不是很方便，引用就+1，删除引用就-1
但是遇到循环引用问题，以上的解决方案就不足以处理干净系统垃圾
大家可以看到v1和v2虽然都删除引用了，但实际他们的引用计数器仍为1，仍然存在于系统中
那么怎么处理这种特殊情况呢？这就引出了下面的标记清除
4.标记清除
目的：为了解决引用计数器循环引用的不足。
实现：在python的底层再维护一个链表，链表中专门放那些可能存在循环引用的对象（list/tuple/dict/set）
在Python内部 某种情况下触发，回去扫描 可能存在循环应用的链表（链表2）中的每个元素，检查是否有循环引用，如果有则让双方的引用计数器 -1 ；如果是0则垃圾回收。
好了，引入了标记清除解决了循环引用的问题。但是却带来了新的问题
- 什么时候扫描？
- 可能存在循环引用的链表扫描代价大，每次扫描耗时久
这就引出了下面的方法分代回收
5.分代回收
Python将可能存在循环应用的对象维护成3个链表（链表2、3、4）
- 0代：0代中对象个数达到700个扫描一次。
- 1代：0代扫描10次，则1代扫描一次。
- 2代：1代扫描10次，则2代扫描一次。
这就解决了什么时候扫描和扫描代价太大的问题，存活越久的（2代）的对象被检查得越少（大大滴良民！）
综上，这就是为什么我一开始说Python的垃圾回收机制是以引用计数为主，标记清除和分代回收为辅加上缓存机制，现在大家对这句话应该有了很深的理解
But，上述流程还能优化吗？
6.Python缓存
Python内部为了避免重复创建和销毁一些常见对象，维护了一个池
池（int）
# 启动解释器时，Python内部帮我们创建：-5、-4、..... 256
v1 = 7 # 内部不会开辟内存，直接去池中获取
v2 = 9 # 内部不会开辟内存，直接去池中获取
v3 = 9 # 内部不会开辟内存，直接去池中获取
print(id(v2),id(v3)) # 1820206787120 1820206787120
v4 = 999
v5 = 666
v6 = 666 # 超出小数据池的范围创建对象内部会开辟空间另外我们上面说过，引用计数为0的时候，对象会被销毁，内存会被回收，理论上是不严谨的。Python对于这个步骤也做了处理
free_list（float/list/tuple/dict)
当一个对象的引用计数器为0时，按理说应该回收，内部不会直接回收，而是将对象添加到 free_list 链表中当缓存。以后再去创建对象时，不再重新开辟内存，而是直接使用free_list
v1 = 3.14 # 开辟内存，内部存储结构体中定义那几个值，并存到refchain中。
del v1 # refchain中移除，将对象添加到 free_list 中（80个），free_list满了则销毁。
v9 = 999.99 # 不会重新开辟内存，去free_list中获取对象，对象内部数据初始化，再放到refchain中。当然free_list也是有限制的，超出限制后再删除对象也是会被直接销毁
unicode_latin1[256]（str）
v1 = "A"
print( id(v1) ) # 输出：4517720496
del v1
v2 = "A"
print( id(v1) ) # 输出：4517720496
# 除此之外，Python内部还对字符串做了驻留机制，针对那么只含有字母、数字、下划线的字符串（见源码Objects/codeobject.c），如果内存中已存在则不会重新在创建而是使用原来的地址里（不会像free_list那样一直在内存存活，只有内存中有才能被重复利用）。
v1 = "lucky"
v2 = "lucky"
print(id(v1) == id(v2)) # 输出：True
