5.2 KiB

Raw Permalink Blame History

Python 中的内存管理

原文：https://www.askpython.com/python/examples/memory-management-in-python

内存管理是动态存储内存并在不使用时释放内存的过程。

理解 Python 中的内存管理

在 python 中，内存的这种分配和释放是由 Python 开发人员创建的 Python 垃圾收集器自动完成的，因此用户不必进行手动垃圾收集。

碎片帐集

Python 中的垃圾收集是解释器为我们的程序释放未使用和不想要的内存的内存管理过程。在 Python 中，这是自动完成的。

垃圾收集器找到没有指向它的引用的对象，然后从堆内存中删除该对象。为此，Python 使用了引用计数算法。

示例:

class Python:

    def __init__(self):
        print('The object is created.')

    def __del__(self):
        print('The object is destroyed.')

obj1 = Python()
obj2 = obj1
obj3 = obj1
print("Set obj1 to None")
obj1 = None
print("Set obj2 to None")
obj2 = None
print("Set obj3 to None")
obj3 = None

输出:

The object is created.
Set obj1 to None
Set obj2 to None
Set obj3 to None
The object is destroyed.

这里，我们创建了一个类 Python 的对象，并将其引用传递给 obj1，obj2，obj3 。这使得该对象的引用计数为 3。然后，当我们将这些引用分配给 none 时，来自该对象的所有引用都被移除并变成 0。由于没有对该对象的引用，python 垃圾收集器销毁了该对象，并执行 del()方法。

引用计数

Python 中的引用计数是一种技术，当没有引用指向对象时，从内存中释放对象。当引用计数变为零时，对象被删除。

我们有一个内置函数 getrefcount() 存在于 python 模块 sys 中，它返回给定 python 对象的引用数。

示例:

import sys
str = "Welcome to Python"
print(sys.getrefcount(str))

arr = []
arr.append(str) # appending to an array
print(sys.getrefcount(str))

dict = {}
dict['str'] = str # adding to a dictionary
print(sys.getrefcount(str))

arr = [] # resetting the array
sys.getrefcount(str)
dict['my_str'] = "Some other string"
print(sys.getrefcount(str))

输出:

reference count 的值比您预期的值高一，因为它还计算函数 sys.getrefcount()中传递的对象的引用计数。

有时对象的引用计数永远不会达到零。发生这种情况是因为对象引用了自己。这被称为参考周期。

示例:

import sys
x = []
x.append(x) # x contains reference to itself
print("Reference count of object is",sys.getrefcount(x))

输出:

Reference count of object is 3

这里，创建了一个引用自身的对象 x。引用计数永远不会达到 0，因为它有自己的引用。对象 x 将占用内存，直到 Python 垃圾收集器被调用。

当 object 被全局声明时，对象的引用计数永远不会变为零。

存储器分配

要了解内存分配，我们必须了解随机存取存储器(RAM)。RAM 也称为主存储器，允许在计算机上存储和检索信息。

在 RAM 的顶部，我们有一个栈，在底部，我们有堆。堆负责存储变量/值，栈负责保存对堆中对象的引用。

Stack and Heap locations in RAM

在 Python 中，当多个变量具有相同的值时，会在堆中创建指向原始值的第二个变量。

示例:

x = 5
y = x 
if(id(x) == id(y)):
   print("x and y refer to the same object")

x = x+1
if(id(x) != id(y)):
    print("x and y refer to different objects")

z = 5
if(id(y) == id(y)):
   print("y and z refer to same memory")

输出:

x and y refer to the same object
x and y refer to different objects
y and z refer to same memory

内存分配有两种类型:

堆栈内存分配
堆内存分配。

1.堆栈内存分配

堆栈内存分配是特定函数或方法调用内部静态内存的存储。当调用函数时，内存存储在函数调用堆栈中。任何局部变量初始化都存储在调用堆栈中，一旦函数返回就被删除。

所以，当我们运行我们的程序时，所有的函数首先存储在调用栈中，然后在函数返回时被删除。

示例:

def func():
    #These initializations are stored in stack memory
    x = 10 
    y = "Apple"

2.堆内存分配

堆内存分配是特定函数或方法调用之外所需的内存存储。这个内存是在程序全局范围内使用的。

堆内存与堆数据结构无关。它只是当用户想要分配和释放变量/值时提供给他们的一个大的内存空间。

在 Python 中，堆内存由解释器自己管理，用户对它没有控制权。

示例:

def func()
    #Allocates memory for 5 integers in heap memory
    x=[None]*5

结论

程序员们爱上了 Python，因为它具有超强的内存管理能力。与许多其他低级编程语言相比，Python 使得使用变量变得轻而易举，而不用担心过度使用资源。

参考

公文

5.2 KiB Raw Permalink Blame History Unescape Escape