【python原理解析】gc原理初步解析

python的gc是会用到：引用计数、标记-清除和分代收集，首先说明一下什么是引用计数

可以通过sys模块中的getrefcount()方法获取某个对象的引用计数

python本身的数据类型有基础类型和容器类型，基础类型包含：整型、布尔型、浮点型、字符串型，容器类型就是说可以将其他对象包含在其中的类型，如：list、set、dict等都是容器类型

以基础类型的整型为例：

def f11():

a = 1

b = 1

print sys.getrefcount(a)

print sys.getrefcount(b)

b = a

print sys.getrefcount(a)

print sys.getrefcount(b)

运行结果：（在当时的情况下）

150

150

150

150

增加引用计数的方式是：

（1）使用=等号赋值

（2）在容器对象中使用对象

（3）作为函数参数传递的时候

我们可以通过下面的函数看到：

def f1():

gc.set_debug(gc.DEBUG_STATS|gc.DEBUG_LEAK)

a=[]

b=[]

a.append(b)

print 'a refcount:',sys.getrefcount(a)  # 2

print 'b refcount:',sys.getrefcount(b)  # 3

del a

del b

print gc.collect()  # 0

结果为：

那么可以看到：a和b在被赋值之后，refcount的值都变成了1，a引用了b之后，b的refcount值增加1变成了2；那么，为什么打印出来的结果分别是2和3呢？因为sys.getrefcount()的函数的时候，将a作为参数了，此时a的引用计数就会增加1，所以通过该方法打印出来的结果就是会比预期的结果多1

那么引用计数增加之后，如何减少引用计数呢？一般的方法有：

（1）使用del语句，可以减少一个计数

（2）改变引用，给变量名设置别的对象

（3）离开作用域

那么上面的def f1()中，其实可以看到：del a和b之后，可以看到这个a和b是处于0代链表的，直接清理即可；del的作用是：它不仅会移除一个对象的引用，还会移除那个名字本身。

接下来说明一下：循环引用的问题

循环引用出现在：容器类对象相互包含的情况下，

def f2():

a=[]

b=[]

a.append(b)

b.append(a)

print 'a refcount:',sys.getrefcount(a)  # 3

print 'b refcount:',sys.getrefcount(b)  # 3

print gc.collect()

del a

del b

print gc.collect()

例如def f2()中的结果如下：

可以看到gc.collect()在del之前和之后的结果不同，看了一下gc.collect()的含义以及返回值，（重点是：返回值是unreachable objects的数量被返回）

因此分析一下def f2()中的程序可以看出，在没有调用删除a之前，程序中没有不可达对象，删除a之后，因为a和b的循环引用，导致都变成不可达对象

那么什么是不可达对象？与之对象，可达对象是什么？是在什么情况下产生的？例如A引用B，则从A到B就会建立一个连接，从A指向B，从根节点开始（根节点一般是全局变量等）一直往下扫描，比如A引用B，B引用C，D引用C，那么A是root，则A-B-C都是可达的，但是D不是可达的，因此D就是unreachable的对象，可以释放的

我们可以看到在refcount之后，循环引用的，最终的引用计数无法=0，基于引用计数=0的清除机制无法执行，则需要通过“标记-清除”的方式来进一步将引用计数进行确定处理，“标记-清除”的执行逻辑是：

（1）对于每一个容器对象，都设置了gc_refs值，并将其设置为该对象的引用计数值

（2）对于每一个容器对象，找到所有其引用的对象，将被引用的对象的gc_refs值减1

（3）执行完（2）的所有容器对象，所有的gc_refs还大于0的对象都代表着被非容器对象引用，说明至少包含一个非循环引用，因此这些对象不能释放，就需要将其加入到另一个集合中

（4）在（3）中不能释放的对象，如果他们引用某个对象，则这些对象也不能释放，将这些对象也加入到另一个集合中

（5）经过上面步骤后，最终得到的就是不可达的对象，这些对象就是需要释放的对象

那么如何释放呢？以及释放的频率以及触发时机如何控制呢？

就要用到分代收集，在python中，会将对象分别加入到不同的收集链表中，依据规则：活的越久的对象越不是垃圾，回收的频率越低；分成了0代，1代和2代，其中越年轻的越会被清理，并且清理1代的时候0代也会清理，清理2代的时候1代和0代也会被清理

这个可以通过调用函数：gc.get_threshold()来实现

print gc.get_threshold()

打印结果如下：(700, 10, 10)

这个函数的返回值有三个，第一个返回值代表的是：从上一次收集开始，所有新增的对象减去删除的对象大于threshold0的时候就开始一次新的收集；第二个返回值代表的是：如果0代的对象被检查的次数超过了threshold1,则1代的检查就要执行；第三个返回值代表的是：1代的对象被检查超过了threshold2，则2代的检查就应该被执行

这三个值的具体含义可以通过gc.set_threshold()方法来查看：