前言
對于python來說，一切皆為對象俊卤，所有的變量賦值都遵循著對象引用機制嫩挤。程序在運行的時候，需要在內存中開辟出一塊空間瘾蛋，用于存放運行時產生的臨時變量俐镐；計算完成后，再將結果輸出到永久性存儲器中哺哼。如果數據量過大佩抹，內存空間管理不善就很容易出現 OOM（out of memory），俗稱爆內存取董，程序可能被操作系統(tǒng)中止棍苹。
而對于服務器，內存管理則顯得更為重要茵汰，不然很容易引發(fā)內存泄漏- 這里的泄漏枢里，并不是說你的內存出現了信息安全問題，被惡意程序利用了，而是指程序本身沒有設計好栏豺，導致程序未能釋放已不再使用的內存彬碱。- 內存泄漏也不是指你的內存在物理上消失了，而是意味著代碼在分配了某段內存后奥洼，因為設計錯誤巷疼，失去了對這段內存的控制，從而造成了內存的浪費灵奖。也就是這塊內存脫離了gc的控制
計數引用
因為python中一切皆為對象嚼沿，你所看到的一切變量，本質上都是對象的一個指針瓷患。
當一個對象不再調用的時候骡尽，也就是當這個對象的引用計數（指針數）為 0 的時候，說明這個對象永不可達擅编，自然它也就成為了垃圾攀细，需要被回收“可以簡單的理解為沒有任何變量再指向它辨图。
import os
import psutil
# 顯示當前 python 程序占用的內存大小
def show_memory_info(hint):
? ? pid = os.getpid()
? ? p = psutil.Process(pid)
? ? info = p.memory_full_info()
? ? memory = info.uss / 1024. / 1024
? ? print('{} memory used: {} MB'.format(hint, memory))
def func():
? ? show_memory_info('initial')
? ? a = [i for i in range(10000000)]
? ? show_memory_info('after a created')
func()
show_memory_info('finished')
########## 輸出 ##########
initial memory used: 47.19140625 MB
after a created memory used: 433.91015625 MB
finished memory used: 48.109375 MB
可以看到調用函數 func()，在列表 a 被創(chuàng)建之后肢藐，內存占用迅速增加到了 433 MB：而在函數調用結束后故河，內存則返回正常。這是因為吆豹，函數內部聲明的列表 a 是局部變量鱼的，在函數返回后，局部變量的引用會注銷掉痘煤；此時凑阶，列表 a 所指代對象的引用數為 0，Python 便會執(zhí)行垃圾回收衷快，因此之前占用的大量內存就又回來了宙橱。
def func():
? ? show_memory_info('initial')
? ? global a
? ? a = [i for i in range(10000000)]
? ? show_memory_info('after a created')
func()
show_memory_info('finished')
########## 輸出 ##########
initial memory used: 48.88671875 MB
after a created memory used: 433.94921875 MB
finished memory used: 433.94921875 MB
新的這段代碼中，global a 表示將 a 聲明為全局變量蘸拔。那么师郑，即使函數返回后，列表的引用依然存在调窍，于是對象就不會被垃圾回收掉宝冕，依然占用大量內存。同樣邓萨，如果我們把生成的列表返回地梨，然后在主程序中接收菊卷，那么引用依然存在，垃圾回收就不會被觸發(fā)宝剖，大量內存仍然被占用著：
def func():
? ? show_memory_info('initial')
? ? a = [i for i in derange(10000000)]
? ? show_memory_info('after a created')
? ? return a
a = func()
show_memory_info('finished')
########## 輸出 ##########
initial memory used: 47.96484375 MB
after a created memory used: 434.515625 MB
finished memory used: 434.515625 MB
那怎么可以看到變量被引用了多少次呢洁闰？通過sys.getrefcount
import sys
a = []
# 兩次引用，一次來自 a万细，一次來自 getrefcount
print(sys.getrefcount(a))
def func(a):
? ? # 四次引用渴庆，a，python 的函數調用棧雅镊，函數參數，和 getrefcount
? ? print(sys.getrefcount(a))
func(a)
# 兩次引用刃滓，一次來自 a仁烹，一次來自 getrefcount，函數 func 調用已經不存在
print(sys.getrefcount(a))
########## 輸出 ##########
2
4
2
如果其中涉及函數調用咧虎，會額外增加兩次1. 函數棧2. 函數調用
從這里就可以看到python不再需要像C那種的認為的釋放內存卓缰，但是python同樣給我們提供了手動釋放內存的方法gc.collect()
import gc
show_memory_info('initial')
a = [i for i in range(10000000)]
show_memory_info('after a created')
del a
gc.collect()
show_memory_info('finish')
print(a)
########## 輸出 ##########
initial memory used: 48.1015625 MB
after a created memory used: 434.3828125 MB
finish memory used: 48.33203125 MB
---------------------------------------------------------------------------
NameError? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Traceback (most recent call last)
<ipython-input-12-153e15063d8a> in <module>
? ? 11
? ? 12 show_memory_info('finish')
---> 13 print(a)
NameError: name 'a' is not defined
截止目前，貌似python的垃圾回收機制非常的簡單砰诵，只要對象引用次數為0征唬，必定為觸發(fā)gc，那么引用次數為0是否是觸發(fā)gc的充要條件呢茁彭？
循環(huán)回收
如果有兩個對象总寒，它們互相引用，并且不再被別的對象所引用理肺，那么它們應該被垃圾回收嗎摄闸？
def func():
? ? show_memory_info('initial')
? ? a = [i for i in range(10000000)]
? ? b = [i for i in range(10000000)]
? ? show_memory_info('after a, b created')
? ? a.append(b)
? ? b.append(a)
func()
show_memory_info('finished')
########## 輸出 ##########
initial memory used: 47.984375 MB
after a, b created memory used: 822.73828125 MB
finished memory used: 821.73046875 MB
從結果顯而易見，它們并沒有被回收妹萨，但是從程序上來看年枕，當這個函數結束的時候，作為局部變量的a乎完，b就已經從程序意義上不存在了熏兄。但是因為它們的互相引用，導致了它們的引用數都不為0树姨。
這時要如何規(guī)避呢1. 從代碼邏輯上進行整改摩桶，避免這種循環(huán)引用2. 通過人工回收
import gc
def func():
? ? show_memory_info('initial')
? ? a = [i for i in range(10000000)]
? ? b = [i for i in range(10000000)]
? ? show_memory_info('after a, b created')
? ? a.append(b)
? ? b.append(a)
func()
gc.collect()
show_memory_info('finished')
########## 輸出 ##########
initial memory used: 49.51171875 MB
after a, b created memory used: 824.1328125 MB
finished memory used: 49.98046875 MB
python針對循環(huán)引用，有它的自動垃圾回收算法1. 標記清除（mark-sweep）算法2. 分代收集（generational）
標記清除
標記清除的步驟總結為如下步驟1. GC會把所有的『活動對象』打上標記2. 把那些沒有標記的對象『非活動對象』進行回收
那么python如何判斷何為非活動對象帽揪？
通過用圖論來理解不可達的概念典格。對于一個有向圖，如果從一個節(jié)點出發(fā)進行遍歷台丛，并標記其經過的所有節(jié)點耍缴；那么砾肺，在遍歷結束后，所有沒有被標記的節(jié)點防嗡，我們就稱之為不可達節(jié)點变汪。顯而易見，這些節(jié)點的存在是沒有任何意義的蚁趁，自然的裙盾，我們就需要對它們進行垃圾回收。
但是每次都遍歷全圖他嫡，對于 Python 而言是一種巨大的性能浪費番官。所以，在 Python 的垃圾回收實現中钢属，mark-sweep 使用雙向鏈表維護了一個數據結構徘熔，并且只考慮容器類的對象（只有容器類對象，list淆党、dict酷师、tuple，instance染乌，才有可能產生循環(huán)引用）山孔。
圖中把小黑圈視為全局變量，也就是把它作為root object荷憋，從小黑圈出發(fā)台颠，對象1可直達，那么它將被標記勒庄，對象2蓉媳、3可間接到達也會被標記，而4和5不可達锅铅，那么1酪呻、2、3就是活動對象盐须，4和5是非活動對象會被GC回收玩荠。
分代回收
分代回收是一種以空間換時間的操作方式，Python將內存根據對象的存活時間劃分為不同的集合贼邓，每個集合稱為一個代阶冈，Python將內存分為了3“代”，分別為年輕代（第0代）塑径、中年代（第1代）女坑、老年代（第2代），他們對應的是3個鏈表统舀，它們的垃圾收集頻率與對象的存活時間的增大而減小匆骗。新創(chuàng)建的對象都會分配在年輕代劳景，年輕代鏈表的總數達到上限時（當垃圾回收器中新增對象減去刪除對象達到相應的閾值時），Python垃圾收集機制就會被觸發(fā)碉就，把那些可以被回收的對象回收掉盟广，而那些不會回收的對象就會被移到中年代去，依此類推瓮钥，老年代中的對象是存活時間最久的對象筋量，甚至是存活于整個系統(tǒng)的生命周期內。同時碉熄，分代回收是建立在標記清除技術基礎之上桨武。
事實上，分代回收基于的思想是锈津，新生的對象更有可能被垃圾回收呀酸，而存活更久的對象也有更高的概率繼續(xù)存活。因此一姿，通過這種做法，可以節(jié)約不少計算量跃惫，從而提高 Python 的性能叮叹。
所以對于剛剛的問題，引用計數只是觸發(fā)gc的一個充分非必要條件爆存，循環(huán)引用同樣也會觸發(fā)蛉顽。
調試
可以使用 objgraph來調試程序，因為目前它的官方文檔先较，還沒有細讀携冤，只能把文檔放在這供大家參閱啦~其中兩個函數非常有用1. show_refs()2. show_backrefs()
總結
1.垃圾回收是 Python 自帶的機制，用于自動釋放不會再用到的內存空間闲勺；
2.引用計數是其中最簡單的實現曾棕，不過切記，這只是充分非必要條件菜循，因為循環(huán)引用需要通過不可達判定翘地，來確定是否可以回收；
3.Python 的自動回收算法包括標記清除和分代回收癌幕，主要針對的是循環(huán)引用的垃圾收集衙耕；
4.調試內存泄漏方面， objgraph 是很好的可視化分析工具勺远。
