垃圾回收是Python自带的机制，用于自动释放不会再用到的内存空间；

 

　　什么是内存泄漏呢？

 

　　内存泄漏，并不是说你的内存出现了信息安全问题，被恶意程序利用了，而是指程序本身没有设计好，导致程序未能释放已不再使用的内存。

 

　　内存泄漏也不是指你的内存在物理上消失了，而是意味着代码在分配了某段内存后，因为设计错误，失去了对这段内存的控制，从而造成了内存的浪费。

 

　　计数引用

 

　　Python中一切皆对象。当这个对象的引用计数（指针数）为0的时候，说明这个对象永不可达，自然它也就成为了垃圾，需要被回收。

 

　　例：

 

　　#显示当前python程序占用的内存大小

 

　　defshow_memory_info(hint):

 

　　pid=os.getpid()

 

　　p=psutil.Process(pid)

 

　　info=p.memory_full_info()

 

　　memory=info.uss/1024./1024

 

　　print('{}memoryused:{}MB'.format(hint,memory))

 

　　deffunc():

 

　　show_memory_info('initial')

 

　　a=[iforiinrange(10000000)]

 

　　show_memory_info('afteracreated')

 

　　func()

 

　　show_memory_info('finished')

 

　　##########输出##########

 

　　#initialmemoryused:6.62890625MB

 

　　#afteracreatedmemoryused:199.33203125MB

 

　　#finishedmemoryused:7.6640625MB

 

　　程序初始化时占的内存为6MB，接着创建了一个列表a，由于a还没被回收，因此占的内存升到了200MB，当函数返回后，a的引用计数为0，a被回收，内存又恢复到了7MB。

 

　　如果把a变成全局变量，函数返回后，引用计数依然大于0，于是对象就不会被垃圾回收，依然占着大量的内存

 

　　deffunc():

 

　　show_memory_info('initial')

 

　　globala

 

　　a=[iforiinrange(10000000)]

 

　　show_memory_info('afteracreated')

 

　　func()

 

　　show_memory_info('finished')

 

　　##########输出##########

 

　　#initialmemoryused:6.67578125MB

 

　　#afteracreatedmemoryused:199.30859375MB

 

　　#finishedmemoryused:199.30859375MB

 

　　或者把列表返回，在主程序中接收，引用依然存在，垃圾回收就不会被触发，大量内存仍然被占用着

 

　　deffunc():

 

　　show_memory_info('initial')

 

　　a=[iforiinrange(10000000)]

 

　　show_memory_info('afteracreated')

 

　　returna

 

　　a=func()

 

　　show_memory_info('finished')

 

　　##########输出##########

 

　　#initialmemoryused:6.6484375MB

 

　　#afteracreatedmemoryused:199.2890625MB

 

　　#finishedmemoryused:199.2890625MB

 

　　看一下Python内部的引用计数机制

 

　　importsys

 

　　a=[]

 

　　#两次引用，一次来自a，一次来自getrefcount

 

　　print(sys.getrefcount(a))

 

　　deffunc(a):

 

　　#四次引用，a，python的函数调用栈，函数参数，和getrefcount

 

　　print(sys.getrefcount(a))

 

　　func(a)

 

　　#两次引用，一次来自a，一次来自getrefcount，函数func调用已经不存在

 

　　print(sys.getrefcount(a))

 

　　##########输出##########

 

　　2

 

　　4

 

　　2

 

　　sys.getrefcount()这个函数，可以查看一个变量的引用次数。这段代码本身应该很好理解，不过别忘了，getrefcount本身也会引入一次计数。另一个要注意的是，在函数调用发生的时候，会产生额外的两次引用，一次来自函数栈，另一个是函数参数。

 

　　又如：

 

　　importsys

 

　　a=[]

 

　　print(sys.getrefcount(a))#两次

 

　　b=a

 

　　print(sys.getrefcount(a))#三次

 

　　c=b

 

　　d=b

 

　　e=c

 

　　f=e

 

　　g=d

 

　　print(sys.getrefcount(a))#八次

 

　　##########输出##########

 

　　2

 

　　3

 

　　8

 

　　a、b、c、d、e、f、g这些变量全部指代的是同一个对象，而sys.getrefcount()函数并不是统计一个指针，而是要统计一个对象被引用的次数，所以最后一共会有八次引用。

 

　　手动释放内存，应该怎么做呢？方法同样很简单。只需要先调用dela来删除一个对象；然后强制调用gc.collect()，即可手动启动垃圾回收。

 

　　importgc

 

　　importos

 

　　importpsutil

 

　　#显示当前python程序占用的内存大小

 

　　defshow_memory_info(hint):

 

　　pid=os.getpid()

 

　　p=psutil.Process(pid)

 

　　info=p.memory_full_info()

 

　　memory=info.uss/1024./1024

 

　　print('{}memoryused:{}MB'.format(hint,memory))

 

　　show_memory_info('initial')

 

　　a=[iforiinrange(10000000)]

 

　　show_memory_info('afteracreated')

 

　　dela

 

　　gc.collect()

 

　　show_memory_info('finish')

 

　　print(a)

 

　　initialmemoryused:6.54296875MB

 

　　afteracreatedmemoryused:199.17578125MB

 

　　finishmemoryused:7.26171875MB

 

　　Traceback(mostrecentcalllast):

 

　　File"Coroutine.py",line24,in<module>

 

　　print(a)

 

　　NameError:name'a'isnotdefined

 

　　循环引用

 

　　观察代码：

 

　　deffunc():

 

　　show_memory_info('initial')

 

　　a=[iforiinrange(10000000)]

 

　　b=[iforiinrange(10000000)]

 

　　show_memory_info('aftera,bcreated')

 

　　a.append(b)

 

　　b.append(a)

 

　　func()

 

　　show_memory_info('finished')

 

　　##########输出##########

 

　　initialmemoryused:6.625MB

 

　　aftera,bcreatedmemoryused:392.08984375MB

 

　　finishedmemoryused:392.08984375MB

 

　　这里，a和b互相引用，并且，作为局部变量，在函数func调用结束后，a和b这两个指针从程序意义上已经不存在了。但是，很明显，依然有内存占用！为什么呢？因为互相引用，导致它们的引用数都不为0。

 

　　处理这种情况，可以调用显式调用gc.collect()，来启动垃圾回收。

 

　　Python使用标记清除（mark-sweep）算法和分代收集（generational），来启用针对循环引用的自动垃圾回收。

 

　　调试内存泄漏

 

　　objgraph，一个非常好用的可视化引用关系的包.

 

　　安装：

 

　　pipinstallgraphviz

 

　　pipinstallxdot

 

　　pipinstallobjgraph

 

　　windows的话要除了装以上库还要在官网https://graphviz.gitlab.io/_pages/Download/Download_windows.html下载，然后设置环境变量Path增加C:\ProgramFiles(x86)\Graphviz2.38\bin，在CMD输入dot-version验证。

 

　　通过下面这段代码和生成的引用调用图，你能非常直观地发现，有两个list互相引用，说明这里极有可能引起内存泄露。

 

　　importobjgraph

 

　　a=[1,2,3]

 

　　b=[4,5,6]

 

　　a.append(b)

 

　　b.append(a)

 

　　objgraph.show_refs([a])

 

　　注：在windows中可能会提示:

 

　　GraphwrittentoC:\Users\Public\Documents\Wondershare\CreatorTemp\objgraph-wwcqiie_.dot(8nodes)

 

　　Imagerenderer(dot)notfound,notdoinganythingelse

 

　　这时只要在打开dot文件所在的路径，然后CMD中执行

 

　　dot.\objgraph-yclwfpzr.dot-Tpng-oimage.png

 

　　就可以生成文件。

 

　　另一个非常有用的函数，是show_backrefs()。以下是调用show_backrefs()生成的图片。

 

　　参考

 

　　极客时间《Python核心技术与实战》专栏