python函数引用计数,python中怎么计数

python怎么进行内存管理的？

一、对象的引用计数机制

python内部使用引用计数，来保持追踪内存中的对象，所有对象都有引用计数

引用计数增加的情况：

1. 一个对象分配一个新名称

2. 将其放入一个容器中

引用计数减少的情况：

1. 使用del语句对对象别名显示的销毁

2. 引用超出作用域或被重新赋值

sys.getrefcount()函数可以获得对象的当前引用计数

多数情况下，引用计数比你猜测的要大得多。对于不可变数据（如数字和字符串），解释器会在程序的不同部分共享内存，以便节约内存。

二、垃圾回收

当一个对象的引用计数归零时，它将被垃圾收集机制处理掉。当两个对象a 和b 相互引用时，del语句可以减少a和b的引用次数，并销毁用于引用底层对象的名称。然而由于每个对象都包含一个对其他对象的应用，因此引用计数不会归零，对象也不会销毁。（从而导致内存泄漏）。为解决这一问题，解释器会定期执行一个循环检测器，搜索不可访问对象的循环并删除它们。

三、内存池机制

python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统。

1. Pymalloc机制。为了加速python的执行效率，python引入了一个内存池机制，用于管理对小块内存的申请和释放。

2. python中所有小于256个字节的对象都使用pymalloc实现的分配器，而大的对象则使用系统的malloc。

3. 对于python对象，如整数，浮点数和list，都有其独立的私有内存池，对象间不共享它们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。

相关问答

Q1: python 为什么调用函数会令引用计数+2

python自己没有array这个数据结构。

据我所知

array是python的numpy

工具包

定义的。

python的list就是常说的列表。

array和list主要的不同是，因为numpy是一个

数值计算

工具包，numpy的很多函数是可以直接在array上使用的，但不能用在list上。

Q2: Python如何进行内存管理

Python的内存管理，一般从以下三个方面来说：

1)对象的引用计数机制(四增五减)

2)垃圾回收机制(手动自动，分代回收)

3)内存池机制(大m小p)

1)对象的引用计数机制

要保持追踪内存中的对象，Python使用了引用计数这一简单的技术。sys.getrefcount(a)可以查看a对象的引用计数，但是比正常计数大1，因为调用函数的时候传入a，这会让a的引用计数+1

2)垃圾回收机制

吃太多，总会变胖，Python也是这样。当Python中的对象越来越多，它们将占据越来越大的内存。不过你不用太担心Python的体形，它会在适当的时候“减肥”，启动垃圾回收(garbage

collection)，将没用的对象清除

从基本原理上，当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾了

比如某个新建对象，它被分配给某个引用，对象的引用计数变为1。如果引用被删除，对象的引用计数为0，那么该对象就可以被垃圾回收。

然而，减肥是个昂贵而费力的事情。垃圾回收时，Python不能进行其它的任务。频繁的垃圾回收将大大降低Python的工作效率。如果内存中的对象不多，就没有必要总启动垃圾回收。

所以，Python只会在特定条件下，自动启动垃圾回收。当Python运行时，会记录其中分配对象(object

allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。

我们可以通过gc模块的get_threshold()方法，查看该阈值。

3)内存池机制

Python中有分为大内存和小内存：(256K为界限分大小内存)

1、大内存使用malloc进行分配

2、小内存使用内存池进行分配

python中的内存管理机制都有两套实现，一套是针对小对象，就是大小小于256K时，pymalloc会在内存池中申请内存空间;当大于256K时，则会直接执行系统的malloc的行为来申请内存空间。