python變量的內存機制

python變量的內存機制

做爲一門簡單易用的語言，且配備海量的庫，python可謂是程序員手中的掌中寶，編程自己就是一種將人類思惟轉化爲計算機思惟的技術，若是不須要去追求極致的運行效率同時又不限制於計算機內存空間，python無疑是目前最方便的語言了。

做爲一個合格的程序員，天然是要知其然並知其因此然，除了可以應用python來放飛自我以外，同時也要探究python其內部的運行原理，首當其衝的python編程中必需要用到的變量以及背後的運行機制。

注：如下示例在linux平臺下編寫，使用python2.7

引用機制

python的變量-內存模型更像是C++中的引用機制，python中的每一個變量不必定佔用內存空間，變量更像是一分內存的引用，經過這個變量能夠訪問到內存中的數據，舉個例子：

>>>a=10
>>>b=a
>>>c=[1,2,3,4]
>>>d=c
>>>print "%x%x"  %(id(a),id(b))
>>>print "%x%x"  %(id(c),id(d))

輸出結果：

b51080.b51080
7f28bf69b758.7f28bf69b758

其中id()是python的系統函數，返回對象的內存起始地址。

從結果能夠看出，a與b，c與d變量對應的地址事實上爲同一個地址，也就是當咱們使用變量a和b時，使用的是同一個對象，而a,b是這個對象的引用，咱們能夠經過系統函數sys.getrefcount()來查看一個對象的引用數量：

>>>import sys
>>>a=257
>>>print sys.getrefcount(a)
>>>b=a
>>>print sys.getrefcount(a)

輸出結果：

2
3

顯然，這個結果並不在咱們的預料當中，因爲a和b在同一個地址，結果應該是一、2，爲何是2,3呢？

這是由於在sys.getrefcount()函數調用時，a做爲參數也被引用了一次，因此出現了二、3的結果。

緩存小數據機制

上面講了python變量賦值時的內存機制，事情就這麼完美結束了嗎？

並無！！！

咱們再來看一個例子：

>>> a=10
>>> b=10
>>> print "%x.%x" %(id(a),id(b))

輸出結果：

b51080.b51080

看到這個結果，我緩緩摘下個人眼鏡，拿95%濃度的醫用酒精仔仔細細擦了三遍以後再戴上看，沒看錯！這兩個變量仍是同一個地址內容的引用，這一次兩個變量的初始化是獨立的，並不是賦值初始化，爲何兩個變量仍是同一個地址的引用呢？

答案是：

在Python中，Python會有一個緩存對象的機制，以便重複使用。當咱們建立多個等於1的引用時，其實是讓全部這些引用指向同一個對象，以達到節省資源的目的

原來是這樣！！！

可是仔細一想，這不對吧？若是每一個數據都進行緩存，那豈不是對內存空間的極度浪費？仍是說內存回收機制會過一段時間回收一次垃圾內存？
咱們再來看下面一個例子：

>>> a=100
>>> b=100
>>> print "%d%d" %(id(a),id(b))
>>> a=256
>>> b=256
>>> print "%d%d" %(id(a),id(b))
>>> a=257 
>>> b=257
>>> print "%d%d" %(id(a),id(b))

輸出結果：

5223836.5223836
5225932.5225932
5241840.5241864

從結果來看，當a小於256時，這個值會被系統緩存循環利用，而當a>256時，系統並不會進行緩存(固然不只僅是三次實驗的結果，博主後續還試了不少值，就不一一列出了)

咱們來用另外一種方法來驗證這個問題，即sys.getrefcount()：

>>>import sys
>>>a=10
>>>print sys.getrefcount(a)
>>>a=257
>>>print sys.getrefcount(a)

輸出結果爲：

15
2

結果顯而易見，10這個值被系統緩存，且在別處引用了屢次，而257這個值爲2(爲何爲2而不是1在上面有解釋)

那麼問題又來了，若是是其餘類型的數據呢？咱們接着看

>>>a="downey"
>>>b="downey"
>>>print "%d%d" %(id(a),id(b))

結果爲：

39422528.39422528

短字符串也會有緩存機制

而後是list：

>>>a=[1,2,3]
>>>b=[1,2,3]
>>>print "%d%d" %(id(a),id(b))
39704576.39745176

list並無緩存機制，從這裏能夠看出，python的緩存機制並不針對全部變量類型

變量緩存結論

根據各類實驗以及多方查證，結果代表：

• python的變量實際上是一種堆內存的引用，能夠理解爲一個實體的標籤，而在不一樣變量之間的拷貝複製(如a=b)，他們所表示的對象實體是同一個
• python會對-5-256(包括256)的整型數據和短字符串進行緩存以節省屢次分配銷燬的開銷

看到這裏，喜歡思考的朋友們不由就要問了，緩存這些整型數據和短字符串真的對性能有明顯提高嗎？python代碼中能有多少個整型變量？

答案是：整型變量對應整型的內存對象，可是整型的內存對象並不只僅對應整型的變量類型，容器中的整形元素可能也是整形變量的引用

若是你還有疑惑，咱們來看看下面的例子：

>>> import sys
>>> a=1
>>> sys.getrefcount(a)
128
>>> b=[1,2,3]
>>> sys.getrefcount(a)
129

從打印的結果能夠看出，整型變量a=1，表示a指向對象1，爲1的引用，b[0]也被初始化爲1，一樣的，b[0]同時也是對象1的引用，對於全部容器而言，都是這種形式，看到這裏，各位觀衆老爺們應該是有所理解了吧。

關於python變量內存機制對變量使用的影響能夠參考這一篇博客：python函數調用時參數傳遞方式

內存回收

既然說到了內存機制，必然涉及到分配和回收的機制，內存分配就很簡單，在定義對象的時候用到進行內存的分配，而內存的回收則沒那麼簡單，由於在內存回收的過程當中，python沒法執行其餘任務，因此頻繁地內存回收會致使嚴重的效率問題，而內存回收間隔時間過長則會致使內存浪費嚴重，因此通常只有在特定時間內啓動內存回收。

python運行時，會記錄下來分配和釋放的次數，只有當兩個值的差大於某個數值時，即

分配次數-釋放次數>觸發回收的閾值

時，python進行垃圾回收，咱們可使用get_threshold()方法來獲取閾值：

>>>import gc
>>>print gc.get_threshold()

輸出結果：

(700,10,10)

這個700即是觸發內存回收的閾值。可是後面的兩個10又是什麼意思呢？

這也是內存回收中的一種機制，叫作分代回收，這一策略的基本假設是：存在時間越久的對象，越不可能成爲垃圾對象，即給予一些長期使用的對象更多信任。

Python將全部的對象分爲0，1，2三代。全部的新建對象都是0代對象。當某一代對象經歷過垃圾回收，依然存活，那麼它就被納入下一代對象。垃圾回收啓動時，必定會掃描全部的0代對象。若是0代通過必定次數垃圾回收，那麼就啓動對0代和1代的掃描清理。當1代也經歷了必定次數的垃圾回收後，那麼會啓動對0，1，2，即對全部對象進行掃描

這兩個次數即上面get_threshold()返回的(700, 10, 10)返回的兩個10。也就是說，每10次0代垃圾回收，會配合1次1代的垃圾回收；而每10次1代的垃圾回收，纔會有1次的2代垃圾回收。

咱們也能夠手動地調整觸發回收的閾值，聰明的朋友們能夠猜到這個方法了，既然有get，必然相對應的就是set：

import gc
gc.set_threshold(600,8,7)

除了被動地等待系統回收，固然也能夠手動地進行內存回收：

import gc
gc.collect()

其實java也好，python也好，每一種語言的內存機制將從根本上影響語言的執行效率，因此在內存的處理上會有不少更加複雜的細節，這裏只是介紹了一個大致的框架，班門弄斧，歡迎路過的大神們指正和補充。

好了，關於python變量內存機制的問題就到此爲止了，若是朋友們對於這個有什麼疑問或者發現有文章中有什麼錯誤，歡迎留言

我的郵箱：linux_downey@sina.com 原創博客，轉載請註明出處！

祝各位早日實現項目叢中過，bug不沾身. （完）