什么是 Python 垃圾回收机制中的引用计数

简介: Python 中的 __del__ 魔法方法,也被称为对象的终结者,是一个在对象即将被从内存中移除之前被调用的方法。它实际上并不做从内存中删除对象的工作,我们将在后面看到它是如何发生的。相反,这个方法是用来做任何在对象被移除前需要发生的清理工作。

Python  中的 __del__  魔法方法,也被称为对象的终结者,是一个在对象即将被从内存中移除之前被调用的方法。它实际上并不做从内存中删除对象的工作,我们将在后面看到它是如何发生的。相反,这个方法是用来做任何在对象被移除前需要发生的清理工作。例如,关闭对象在创建时打开的任何文件。


在本节中,我们将使用下面这个类作为例子。

class MyNameClass:
    def __init__(self, name):
        self.name = name
    def __del__(self):
        print(f"Deleting {self.name}!")


在上面的例子中,我们已经定义了我们的类在初始化时接受一个名字的输入,当调用 finaliser 时,它会通过打印相关实例的名字让我们知道。这样,我们就可以了解到哪些对象被从内存中删除,以及何时被删除。


那么,CPython 什么时候会决定从内存中删除一个对象呢?有两种方式(从 CPython 3.10 开始)会发生这种情况:引用计数和垃圾回收。


引用计数

如果我们在 Python 中有一个指向某个对象的指针,那就是对该对象的引用。对于一个给定的对象 a ,CPython 会跟踪有多少其他东西指向 a 。如果这个计数器达到零,就可以安全地从内存中删除这个对象,因为没有其他东西在使用它。让我们看一个例子。

>>> Harward = MyNameClass("Harward")
>>> del Harward
Deleting Harward!
>>> 

在这里,我们创建了一个新的对象(MyNamedClass("Harward")),并创建了一个指向它的指针(Harward =)。然后,当我们删除 Harwade 时,我们删除了这个引用,MyNamedClass 实例现在的引用计数为 0。 所以,CPython 决定从内存中删除它--而且,就在这之前,它的 __del__ 方法被调用,打印出了我们看到的上面的信息。


如果我们对一个对象创建了多个引用,我们将不得不摆脱所有的引用,以便使该对象被删除。

>>> bob = MyNameClass("Bob")
>>> bob_two = bob # creating a new pointer to the same object
>>> del bob # this doesn't cause the object to be removed...
>>> del bob_two # ... but this does
Deleting Bob!

当然,我们的 MyNamedClass 实例本身可以包含指针--毕竟它们是任意的 Python 对象,我们可以给它们添加任何我们喜欢的属性。让我们看一个例子。

>>> jane = MyNamedClass("Jane")
>>> bob = MyNamedClass("Bob")
>>> jane.friend = bob # now the "Jane" object contains a pointer to the "Bob" object...
>>> bob.friend = jane 

我们在上面的代码片断中所做的是设置了一些循环引用。名字为 Jane 的对象包含一个指向名字为 Bob 的对象的指针,反之亦然。当我们做下面的事情时,情况就变得有趣了。

>>> del jane
>>> del bob


我们现在已经删除了从命名空间到对象的指针。现在,我们完全不能访问那些 MyNameClass 对象了--但我们并没有收到告诉我们它们即将被删除的打印信息。这是因为这些对象仍有引用,包含在彼此之间,因此它们的引用计数不是 0 。


我们在这里创建的是一个循环隔离体;在这个结构中,每个对象在循环中至少有一个引用,使其保持活力,但循环中的所有对象都不能从命名空间中被访问。


循环隔离的直观表现


下面是我们创建一个循环隔离时的直观表现。


首先,我们创建两个对象,每个对象在命名空间中都有一个名字。


image.png


接下来,我们通过在每个对象上添加一个指针来连接我们的两个对象。

image.png

最后,我们通过删除两个对象的原始名称来从命名空间中删除指针。在这一点上,这两个对象从名字空间中是不可访问的,但每个对象都包含一个指向另一个对象的指针,所以它们的引用计数不是零。


image.png


所以,很明显,引用计数本身并不足以保持运行时的工作内存中没有无用的、不可回收的对象。这就是 CPython 的垃圾收集器发挥作用的地方。

相关文章
|
18天前
|
Java PHP
从引用计数到循环垃圾回收——解锁PHP高效内存管理的秘密
【8月更文挑战第2天】深入理解PHP中的垃圾回收机制
26 3
|
8天前
|
监控 Java 数据处理
Python内存管理:引用计数与垃圾回收
Python内存管理:引用计数与垃圾回收
19 0
|
2月前
|
Java Python
Python进阶之旅:深入理解变量作用域、垃圾回收、拷贝机制与异常处理
Python进阶之旅:深入理解变量作用域、垃圾回收、拷贝机制与异常处理
|
2月前
|
监控 算法 Java
使用Python的垃圾回收机制来管理内存
使用Python的垃圾回收机制来管理内存
|
2月前
|
算法 Java 程序员
Python内存管理用引用计数(对象的`ob_refcnt`)跟踪对象,但循环引用(如A->B->A)可导致内存泄漏。
【6月更文挑战第20天】Python内存管理用引用计数(对象的`ob_refcnt`)跟踪对象,但循环引用(如A->B->A)可导致内存泄漏。为解决此问题,Python使用`gc`模块检测并清理循环引用,可通过`gc.collect()`手动回收。此外,Python结合标记清除和分代回收策略,针对不同生命周期的对象优化垃圾回收效率,确保内存有效释放。
23 3
|
2月前
|
算法 Java Python
Python教程:深入了解Python垃圾回收机制
在Python中,垃圾回收(Garbage Collection)是一种自动管理内存的机制,它可以自动识别和清理不再使用的对象,释放它们占用的内存空间,以提高内存利用率和程序性能。
32 3
|
2月前
|
机器学习/深度学习 计算机视觉 Python
深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数(3)
深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数
|
1月前
|
算法 安全 Java
Python的垃圾回收机制是什么?
【7月更文挑战第2天】Python的垃圾回收机制是什么?
12 0
|
1月前
|
Java 程序员 C++
C++和Python在内存分配、释放以及垃圾回收机制上有何不同?
【7月更文挑战第2天】C++和Python在内存分配、释放以及垃圾回收机制上有何不同?
17 0
|
7天前
|
算法 程序员 开发工具
百万级Python讲师又一力作!Python编程轻松进阶,豆瓣评分8.1
在学习Python的旅程中你是否正在“绝望的沙漠”里徘徊? 学完基础教程的你,是否还在为选择什么学习资料犹豫不决,不知从何入手,提高自己?
百万级Python讲师又一力作!Python编程轻松进阶,豆瓣评分8.1