垃圾回收机制GC

垃圾回收机制GC

我们已经知道，name = 'leethon'这一赋值变量的操作，是将变量与数据值相绑定。

而数据值是存储到内存中的，有时变量会重新赋值即绑定其他数据值，而使得原本的数据值无法通过变量找到，那么它存储到内存中就变得没有意义，如果这样被变量抛弃的数据值过多，就会占用内存过多的资源。

这样无法通过变量找到的数据值，我们称之为‘垃圾’，而在python语言中，会自动的回收这些垃圾，而回收的逻辑原理有十二字真言：引用计数、标记清除、分代回收

引用计数

引用计数的原理是，数据值每绑定一个变量，其引用计数就会增加1，每解除一个变量绑定，引用计数就会减去1，当一个数据值的引用计数为0时，则会被当成垃圾回收掉。这样就简单的实现了垃圾数据的回收。

# 比如我们进行以下两句代码的执行
变量1 = 数据值1  # 数据值1为新值，引用计数为1
变量1 = 数据值2  # 数据值2为新值，引用计数为1，数据值1被迫与变量1断开连接，引用计数-1清零

标记清除

标记清除主要是用于解决循环引用的问题。

首先，我们先说明一下，哪些状况下，会使引用计数增加：

• 被变量绑定时
• 被列表索引和字典键索引时

那么又在什么情况下，引用计数会减少呢：

• 变量重新赋值或del时与数据值断开绑定
• 索引的列表或字典等被回收时，自然也会断开与其引用数据的绑定

那么可以看到，引用计数来解决垃圾问题是有隐患的，那就是循环引用问题

# 看以下一段程序
l1 = ['a']  # 两变量分别绑定了一个列表
l2 = ['b']  # 两个不同的列表分别引用计数为1
l1.append(l2)  # l1 = ['a', l2]  列表2的引用计数加为2
l2.append(l1)  # l2 = ['b', l1]  列表1的引用计数加为1
del l1  # l1变量断开，列表1引用计数-1
del l2  # l2变量断开，列表2引用计数-1

如图所示：

会发现，最终内存中的数据值，虽然两个列表相互引用，但是已经没有变量能够找到这两个数据值了，符合‘垃圾’的定义，但是却没有被回收。

于是，有一个机制，当内存占用临界时，程序会停止运行，扫描程序中的所有数据，把产生循环的数据打上标记，最后清除掉，名为标记清除。

分代回收

标记清除的频繁运行，会导致程序运行的不通畅，于是我们还需要一个机制，来减少标记清除的次数，且依然能达到清理垃圾的效果。

比起一次性扫描所有数据，一次性扫描少量数据，显然对程序执行的影响比较小。

而对于新产生的数据采用较频繁的扫描，对于多次扫描都为发现标记的数据，则认为是不易产生循环引用的数据，采取频率较低的扫描检查，这个就叫分代回收。