Python是如何進(jìn)行內(nèi)存管理的

Python提供了對(duì)內(nèi)存的垃圾收集機(jī)制，但是它將不用的內(nèi)存放到內(nèi)存池而不是返回給操作系統(tǒng)。

10多年的船山網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。全網(wǎng)整合營(yíng)銷推廣的優(yōu)勢(shì)是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整船山建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。創(chuàng)新互聯(lián)從事“船山網(wǎng)站設(shè)計(jì)”,“船山網(wǎng)站推廣”以來，每個(gè)客戶項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。

Python中所有小于256個(gè)字節(jié)的對(duì)象都使用pymalloc實(shí)現(xiàn)的分配器，而大的對(duì)象則使用系統(tǒng)的

malloc。另外Python對(duì)象，如整數(shù)，浮點(diǎn)數(shù)和List，都有其獨(dú)立的私有內(nèi)存池，對(duì)象間不共享他們的內(nèi)存池。也就是說如果你分配又釋放了大量的

整數(shù)，用于緩存這些整數(shù)的內(nèi)存就不能再分配給浮點(diǎn)數(shù)。

在Python中，許多時(shí)候申請(qǐng)的內(nèi)存都是小塊的內(nèi)存，這些小塊內(nèi)存在申請(qǐng)后，很快又會(huì)被釋放，由于這些內(nèi)存的申請(qǐng)并不是為了創(chuàng)建對(duì)象，所以并沒有對(duì)象一

級(jí)的內(nèi)存池機(jī)制。這就意味著Python在運(yùn)行期間會(huì)大量地執(zhí)行malloc和free的操作，頻繁地在用戶態(tài)和核心態(tài)之間進(jìn)行切換，這將嚴(yán)重影響

Python的執(zhí)行效率。為了加速Python的執(zhí)行效率，Python引入了一個(gè)內(nèi)存池機(jī)制，用于管理對(duì)小塊內(nèi)存的申請(qǐng)和釋放。這也就是之前提到的

python怎樣深入內(nèi)存

對(duì)象的內(nèi)存使用

賦值語(yǔ)句是語(yǔ)言最常見的功能了。但即使是最簡(jiǎn)單的賦值語(yǔ)句，也可以很有內(nèi)涵。Python的賦值語(yǔ)句就很值得研究。

a = 1

整數(shù)1為一個(gè)對(duì)象。而a是一個(gè)引用。利用賦值語(yǔ)句，引用a指向?qū)ο?。Python是動(dòng)態(tài)類型的語(yǔ)言(參考動(dòng)態(tài)類型)，對(duì)象與引用分離。Python像使用“筷子”那樣，通過引用來接觸和翻動(dòng)真正的食物——對(duì)象。

引用和對(duì)象

為了探索對(duì)象在內(nèi)存的存儲(chǔ)，我們可以求助于Python的內(nèi)置函數(shù)id()。它用于返回對(duì)象的身份(identity)。其實(shí)，這里所謂的身份，就是該對(duì)象的內(nèi)存地址。

a = 1

print(id(a))

print(hex(id(a)))

在我的計(jì)算機(jī)上，它們返回的是:

11246696

'0xab9c68'

分別為內(nèi)存地址的十進(jìn)制和十六進(jìn)制表示

Python 外部函數(shù)調(diào)用庫(kù)ctypes簡(jiǎn)介

一直對(duì)不同語(yǔ)言間的交互感興趣，python和C語(yǔ)言又深有淵源，所以對(duì)python和c語(yǔ)言交互產(chǎn)生了興趣。

最近了解了python提供的一個(gè)外部函數(shù)庫(kù) ctypes , 它提供了C語(yǔ)言兼容的幾種數(shù)據(jù)類型，并且可以允許調(diào)用C編譯好的庫(kù)。

這里是閱讀相關(guān)資料的一個(gè)記錄，內(nèi)容大部分來自 官方文檔 。

ctypes 提供了一些原始的C語(yǔ)言兼容的數(shù)據(jù)類型，參見下表,其中第一列是在ctypes庫(kù)中定義的變量類型，第二列是C語(yǔ)言定義的變量類型，第三列是Python語(yǔ)言在不使用ctypes時(shí)定義的變量類型。

創(chuàng)建簡(jiǎn)單的ctypes類型如下:

使用 .value 訪問和改變值:

改變指針類型的變量值:

如果需要直接操作內(nèi)存地址的數(shù)據(jù)類型：

下面的例子演示了使用C的數(shù)組和結(jié)構(gòu)體:

創(chuàng)建指針實(shí)例

使用cast()類型轉(zhuǎn)換

類似于C語(yǔ)言定義函數(shù)時(shí)，會(huì)先定義返回類型，然后具體實(shí)現(xiàn)再定義，當(dāng)遇到下面這種情況時(shí)，也需要這么干:

可以簡(jiǎn)單地將"so"和"dll"理解成Linux和windows上動(dòng)態(tài)鏈接庫(kù)的指代，這里我們以Linux為例。注意，ctypes提供的接口會(huì)在不同系統(tǒng)上有出入，比如為了加載動(dòng)態(tài)鏈接庫(kù)， 在Linux上提供的是 cdll , 而在Windows上提供的是 windll 和 oledll 。

ctypes會(huì)尋找 _as_paramter_ 屬性來用作調(diào)用函數(shù)的參數(shù)傳入，這樣就可以傳入自己定義的類作為參數(shù)，示例如下:

用 argtypes 和 restype 來指定調(diào)用的函數(shù)返回類型。

這里我只是列出了 ctypes 最基礎(chǔ)的部分，還有很多細(xì)節(jié)請(qǐng)參考官方文檔。

這兩天文章沒有寫，先是早出晚歸出去玩了一整天，然后加班到凌晨3點(diǎn)左右，一天一篇計(jì)劃劃水得嚴(yán)重啊…

怎么讓python在內(nèi)存中運(yùn)行

對(duì)象的內(nèi)存使用

賦值語(yǔ)句是語(yǔ)言最常見的功能了。但即使是最簡(jiǎn)單的賦值語(yǔ)句，也可以很有內(nèi)涵。Python的賦值語(yǔ)句就很值得研究。

a = 1

整數(shù)1為一個(gè)對(duì)象。而a是一個(gè)引用。利用賦值語(yǔ)句，引用a指向?qū)ο?。Python是動(dòng)態(tài)類型的語(yǔ)言(參考動(dòng)態(tài)類型)，對(duì)象與引用分離。Python像使用“筷子”那樣，通過引用來接觸和翻動(dòng)真正的食物——對(duì)象。

引用和對(duì)象

為了探索對(duì)象在內(nèi)存的存儲(chǔ)，我們可以求助于Python的內(nèi)置函數(shù)id()。它用于返回對(duì)象的身份(identity)。其實(shí)，這里所謂的身份，就是該對(duì)象的內(nèi)存地址。

a = 1

print(id(a))

print(hex(id(a)))

在我的計(jì)算機(jī)上，它們返回的是:

11246696

'0xab9c68'

分別為內(nèi)存地址的十進(jìn)制和十六進(jìn)制表示。

在Python中，整數(shù)和短小的字符，Python都會(huì)緩存這些對(duì)象，以便重復(fù)使用。當(dāng)我們創(chuàng)建多個(gè)等于1的引用時(shí)，實(shí)際上是讓所有這些引用指向同一個(gè)對(duì)象。

a = 1

b = 1

print(id(a))

print(id(b))

上面程序返回

11246696

11246696

可見a和b實(shí)際上是指向同一個(gè)對(duì)象的兩個(gè)引用。

為了檢驗(yàn)兩個(gè)引用指向同一個(gè)對(duì)象，我們可以用is關(guān)鍵字。is用于判斷兩個(gè)引用所指的對(duì)象是否相同。

# True

a = 1

b = 1

print(a is b)

# True

a = "good"

b = "good"

print(a is b)

# False

a = "very good morning"

b = "very good morning"

print(a is b)

# False

a = []

b = []

print(a is b)

上面的注釋為相應(yīng)的運(yùn)行結(jié)果?？梢钥吹?，由于Python緩存了整數(shù)和短字符串，因此每個(gè)對(duì)象只存有一份。比如，所有整數(shù)1的引用都指向同一對(duì)象。即使使用賦值語(yǔ)句，也只是創(chuàng)造了新的引用，而不是對(duì)象本身。長(zhǎng)的字符串和其它對(duì)象可以有多個(gè)相同的對(duì)象，可以使用賦值語(yǔ)句創(chuàng)建出新的對(duì)象。

在Python中，每個(gè)對(duì)象都有存有指向該對(duì)象的引用總數(shù)，即引用計(jì)數(shù)(reference count)。

我們可以使用sys包中的getrefcount()，來查看某個(gè)對(duì)象的引用計(jì)數(shù)。需要注意的是，當(dāng)使用某個(gè)引用作為參數(shù)，傳遞給getrefcount()時(shí)，參數(shù)實(shí)際上創(chuàng)建了一個(gè)臨時(shí)的引用。因此，getrefcount()所得到的結(jié)果，會(huì)比期望的多1。

from sys import getrefcount

a = [1, 2, 3]

print(getrefcount(a))

b = a

print(getrefcount(b))

由于上述原因，兩個(gè)getrefcount將返回2和3，而不是期望的1和2。

對(duì)象引用對(duì)象

Python的一個(gè)容器對(duì)象(container)，比如表、詞典等，可以包含多個(gè)對(duì)象。實(shí)際上，容器對(duì)象中包含的并不是元素對(duì)象本身，是指向各個(gè)元素對(duì)象的引用。

我們也可以自定義一個(gè)對(duì)象，并引用其它對(duì)象:

class from_obj(object):

def __init__(self, to_obj):

self.to_obj = to_obj

b = [1,2,3]

a = from_obj(b)

print(id(a.to_obj))

print(id(b))

可以看到，a引用了對(duì)象b。

對(duì)象引用對(duì)象，是Python最基本的構(gòu)成方式。即使是a = 1這一賦值方式，實(shí)際上是讓詞典的一個(gè)鍵值"a"的元素引用整數(shù)對(duì)象1。該詞典對(duì)象用于記錄所有的全局引用。該詞典引用了整數(shù)對(duì)象1。我們可以通過內(nèi)置函數(shù)globals()來查看該詞典。

當(dāng)一個(gè)對(duì)象A被另一個(gè)對(duì)象B引用時(shí)，A的引用計(jì)數(shù)將增加1。

from sys import getrefcount

a = [1, 2, 3]

print(getrefcount(a))

b = [a, a]

print(getrefcount(a))

由于對(duì)象b引用了兩次a，a的引用計(jì)數(shù)增加了2。

容器對(duì)象的引用可能構(gòu)成很復(fù)雜的拓?fù)浣Y(jié)構(gòu)。我們可以用objgraph包來繪制其引用關(guān)系，比如

x = [1, 2, 3]

y = [x, dict(key1=x)]

z = [y, (x, y)]

import objgraph

objgraph.show_refs([z], filename='ref_topo.png')

objgraph是Python的一個(gè)第三方包。安裝之前需要安裝xdot。

sudo apt-get install xdot

sudo pip install objgraph

objgraph官網(wǎng)

兩個(gè)對(duì)象可能相互引用，從而構(gòu)成所謂的引用環(huán)(reference cycle)。

a = []

b = [a]

a.append(b)

即使是一個(gè)對(duì)象，只需要自己引用自己，也能構(gòu)成引用環(huán)。

a = []

a.append(a)

print(getrefcount(a))

引用環(huán)會(huì)給垃圾回收機(jī)制帶來很大的麻煩，我將在后面詳細(xì)敘述這一點(diǎn)。

引用減少

某個(gè)對(duì)象的引用計(jì)數(shù)可能減少。比如，可以使用del關(guān)鍵字刪除某個(gè)引用:

from sys import getrefcount

a = [1, 2, 3]

b = a

print(getrefcount(b))

del a

print(getrefcount(b))

del也可以用于刪除容器元素中的元素，比如:

a = [1,2,3]

del a[0]

print(a)

如果某個(gè)引用指向?qū)ο驛，當(dāng)這個(gè)引用被重新定向到某個(gè)其他對(duì)象B時(shí)，對(duì)象A的引用計(jì)數(shù)減少:

from sys import getrefcount

a = [1, 2, 3]

b = a

print(getrefcount(b))

a = 1

print(getrefcount(b))

垃圾回收

吃太多，總會(huì)變胖，Python也是這樣。當(dāng)Python中的對(duì)象越來越多，它們將占據(jù)越來越大的內(nèi)存。不過你不用太擔(dān)心Python的體形，它會(huì)乖巧的在適當(dāng)?shù)臅r(shí)候“減肥”，啟動(dòng)垃圾回收(garbage collection)，將沒用的對(duì)象清除。在許多語(yǔ)言中都有垃圾回收機(jī)制，比如Java和Ruby。盡管最終目的都是塑造苗條的提醒，但不同語(yǔ)言的減肥方案有很大的差異 (這一點(diǎn)可以對(duì)比本文和Java內(nèi)存管理與垃圾回收

)。

從基本原理上，當(dāng)Python的某個(gè)對(duì)象的引用計(jì)數(shù)降為0時(shí)，說明沒有任何引用指向該對(duì)象，該對(duì)象就成為要被回收的垃圾了。比如某個(gè)新建對(duì)象，它被分配給某個(gè)引用，對(duì)象的引用計(jì)數(shù)變?yōu)?。如果引用被刪除，對(duì)象的引用計(jì)數(shù)為0，那么該對(duì)象就可以被垃圾回收。比如下面的表:

a = [1, 2, 3]

del a

del a后，已經(jīng)沒有任何引用指向之前建立的[1, 2, 3]這個(gè)表。用戶不可能通過任何方式接觸或者動(dòng)用這個(gè)對(duì)象。這個(gè)對(duì)象如果繼續(xù)待在內(nèi)存里，就成了不健康的脂肪。當(dāng)垃圾回收啟動(dòng)時(shí)，Python掃描到這個(gè)引用計(jì)數(shù)為0的對(duì)象，就將它所占據(jù)的內(nèi)存清空。

然而，減肥是個(gè)昂貴而費(fèi)力的事情。垃圾回收時(shí)，Python不能進(jìn)行其它的任務(wù)。頻繁的垃圾回收將大大降低Python的工作效率。如果內(nèi)存中的對(duì)象不多，就沒有必要總啟動(dòng)垃圾回收。所以，Python只會(huì)在特定條件下，自動(dòng)啟動(dòng)垃圾回收。當(dāng)Python運(yùn)行時(shí)，會(huì)記錄其中分配對(duì)象(object allocation)和取消分配對(duì)象(object deallocation)的次數(shù)。當(dāng)兩者的差值高于某個(gè)閾值時(shí)，垃圾回收才會(huì)啟動(dòng)。

我們可以通過gc模塊的get_threshold()方法，查看該閾值:

import gc

print(gc.get_threshold())

返回(700, 10, 10)，后面的兩個(gè)10是與分代回收相關(guān)的閾值，后面可以看到。700即是垃圾回收啟動(dòng)的閾值?？梢酝ㄟ^gc中的set_threshold()方法重新設(shè)置。

我們也可以手動(dòng)啟動(dòng)垃圾回收，即使用gc.collect()。

分代回收

Python同時(shí)采用了分代(generation)回收的策略。這一策略的基本假設(shè)是，存活時(shí)間越久的對(duì)象，越不可能在后面的程序中變成垃圾。我們的程序往往會(huì)產(chǎn)生大量的對(duì)象，許多對(duì)象很快產(chǎn)生和消失，但也有一些對(duì)象長(zhǎng)期被使用。出于信任和效率，對(duì)于這樣一些“長(zhǎng)壽”對(duì)象，我們相信它們的用處，所以減少在垃圾回收中掃描它們的頻率。

小家伙要多檢查

Python將所有的對(duì)象分為0，1，2三代。所有的新建對(duì)象都是0代對(duì)象。當(dāng)某一代對(duì)象經(jīng)歷過垃圾回收，依然存活，那么它就被歸入下一代對(duì)象。垃圾回收啟動(dòng)時(shí)，一定會(huì)掃描所有的0代對(duì)象。如果0代經(jīng)過一定次數(shù)垃圾回收，那么就啟動(dòng)對(duì)0代和1代的掃描清理。當(dāng)1代也經(jīng)歷了一定次數(shù)的垃圾回收后，那么會(huì)啟動(dòng)對(duì)0，1，2，即對(duì)所有對(duì)象進(jìn)行掃描。

這兩個(gè)次數(shù)即上面get_threshold()返回的(700, 10, 10)返回的兩個(gè)10。也就是說，每10次0代垃圾回收，會(huì)配合1次1代的垃圾回收；而每10次1代的垃圾回收，才會(huì)有1次的2代垃圾回收。

同樣可以用set_threshold()來調(diào)整，比如對(duì)2代對(duì)象進(jìn)行更頻繁的掃描。

import gc

gc.set_threshold(700, 10, 5)

孤立的引用環(huán)

引用環(huán)的存在會(huì)給上面的垃圾回收機(jī)制帶來很大的困難。這些引用環(huán)可能構(gòu)成無法使用，但引用計(jì)數(shù)不為0的一些對(duì)象。

a = []

b = [a]

a.append(b)

del a

del b

上面我們先創(chuàng)建了兩個(gè)表對(duì)象，并引用對(duì)方，構(gòu)成一個(gè)引用環(huán)。刪除了a，b引用之后，這兩個(gè)對(duì)象不可能再?gòu)某绦蛑姓{(diào)用，就沒有什么用處了。但是由于引用環(huán)的存在，這兩個(gè)對(duì)象的引用計(jì)數(shù)都沒有降到0，不會(huì)被垃圾回收。

孤立的引用環(huán)

為了回收這樣的引用環(huán)，Python復(fù)制每個(gè)對(duì)象的引用計(jì)數(shù)，可以記為gc_ref。假設(shè)，每個(gè)對(duì)象i，該計(jì)數(shù)為gc_ref_i。Python會(huì)遍歷所有的對(duì)象i。對(duì)于每個(gè)對(duì)象i引用的對(duì)象j，將相應(yīng)的gc_ref_j減1。

遍歷后的結(jié)果

在結(jié)束遍歷后，gc_ref不為0的對(duì)象，和這些對(duì)象引用的對(duì)象，以及繼續(xù)更下游引用的對(duì)象，需要被保留。而其它的對(duì)象則被垃圾回收。

python如何控制內(nèi)存

python控制內(nèi)存的方法：

一、對(duì)象的引用計(jì)數(shù)機(jī)制

二、垃圾回收機(jī)制

三、內(nèi)存池機(jī)制

一、對(duì)象的引用計(jì)數(shù)機(jī)制

Python內(nèi)部使用引用計(jì)數(shù)，來保持追蹤內(nèi)存中的對(duì)象，所有對(duì)象都有引用計(jì)數(shù)。

引用計(jì)數(shù)增加的情況：

1、一個(gè)對(duì)象分配一個(gè)新名稱

2、將其放入一個(gè)容器中（如列表、元組或字典）

引用計(jì)數(shù)減少的情況：

1、使用del語(yǔ)句對(duì)對(duì)象別名顯示的銷毀

2、引用超出作用域或被重新賦值 sys.getrefcount( )函數(shù)可以獲得對(duì)象的當(dāng)前引用計(jì)數(shù)

多數(shù)情況下，引用計(jì)數(shù)比你猜測(cè)得要大得多。對(duì)于不可變數(shù)據(jù)（如數(shù)字和字符串），解釋器會(huì)在程序的不同部分共享內(nèi)存，以便節(jié)約內(nèi)存。

二、垃圾回收

1、當(dāng)一個(gè)對(duì)象的引用計(jì)數(shù)歸零時(shí)，它將被垃圾收集機(jī)制處理掉。

2、當(dāng)兩個(gè)對(duì)象a和b相互引用時(shí)，del語(yǔ)句可以減少a和b的引用計(jì)數(shù)，并銷毀用于引用底層對(duì)象的名稱。然而由于每個(gè)對(duì)象都包含一個(gè)對(duì)其他對(duì)象的應(yīng)用，因此引用計(jì)數(shù)不會(huì)歸零，對(duì)象也不會(huì)銷毀。（從而導(dǎo)致內(nèi)存泄露）。為解決這一問題，解釋器會(huì)定期執(zhí)行一個(gè)循環(huán)檢測(cè)器，搜索不可訪問對(duì)象的循環(huán)并刪除它們。

三、內(nèi)存池機(jī)制

Python提供了對(duì)內(nèi)存的垃圾收集機(jī)制，但是它將不用的內(nèi)存放到內(nèi)存池而不是返回給操作系統(tǒng)。

1、Pymalloc機(jī)制。為了加速Python的執(zhí)行效率，Python引入了一個(gè)內(nèi)存池機(jī)制，用于管理對(duì)小塊內(nèi)存的申請(qǐng)和釋放。

2、Python中所有小于256個(gè)字節(jié)的對(duì)象都使用pymalloc實(shí)現(xiàn)的分配器，而大的對(duì)象則使用系統(tǒng)的malloc。

3、對(duì)于Python對(duì)象，如整數(shù)，浮點(diǎn)數(shù)和List，都有其獨(dú)立的私有內(nèi)存池，對(duì)象間不共享他們的內(nèi)存池。也就是說如果你分配又釋放了大量的整數(shù)，用于緩存這些整數(shù)的內(nèi)存就不能再分配給浮點(diǎn)數(shù)。

更多Python知識(shí)請(qǐng)關(guān)注Python視頻教程欄目。

本文名稱：python函數(shù)調(diào)用內(nèi)存 python操作內(nèi)存數(shù)據(jù)
文章網(wǎng)址：http://aaarwkj.com/article46/doooeeg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)頁(yè)設(shè)計(jì)公司、App開發(fā)、網(wǎng)站收錄、搜索引擎優(yōu)化、網(wǎng)站排名、全網(wǎng)營(yíng)銷推廣

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)