今天是Python的第15篇文章，我们来聊聊Python中内存管理机制，以及循环引用的问题。

Python的内存管理机制

对于工程师而言，内存管理机制异常主要，是绕不外去的一环。若是你是Java工程师，面试的时刻一定会问JVM。C 工程师也一定会问内存泄露，同样我们想要深入学习Python，内存管理机制也是绕不外去的一环。

不外幸亏Python的内存管理机制相对来说比较简朴，我们也不用稀奇深入其中的细节，简朴做个领会即可。

Python内存管理机制的焦点就是引用计数，在Python当中一切都是工具，工具通过引用来使用。

我们看到的是变量名，然则变量名指向了内存当中的一块工具。这种关系在Python当中称为引用，我们通过引用来操作工具。以是凭据这点，引用计数很好明白，也就是说我们会对每一个工具举行统计所有指向它的指针的数目。若是一个工具引用计数为0，那么说明它没有任何引用指向它，也就是说它已经没有在使用了，这个时刻，Python就会将这块内存收回。

简朴来说引用计数原理就是这些，但我们稍微深入一点，来简朴看看哪些场景会引起工具引用的转变。

引用计数的转变显然只有两种，一种是增添，一种是削减，这两种场景都只有4种情形。我们先来看下增添的情形：

首先是初始化，最简朴的就是我们用

赋值操作给一个变量赋值。举个例子：

n = 123

这就是最简朴的初始化操作，虽然123在我们来看是一个常数，然则在Python底层同样被认为是一个常数工具。n是它的一个引用。

第二种情形是引用的通报，最简朴的就是我们将一个变量的值赋值给了另外一个变量。

m = n

好比我们将n赋值给m，它的本质是我们建立了一个新的引用，指向了同样一块内存。若是我们用id操作去查看m和n的id，会发现它们的id是一样的。也就是说它们并不是存储了两份相同的值，而是指向了统一份值。并不是有两个叫做王小二的人，而是王小二有两个差别的账号。

第三种情形是作为元素被存储进了容器当中，好比被存储进了list当中。

a = [1, 2, 123]

虽然我们用到了一个容器，然则容器并不会拷贝一份这些工具，照样只是存储这些工具的引用。

最后一种情形就是作为参数传给函数，在Python当中，所有的传参都是引用通报。这也是为什么，我们经常看到有人会这样写代码的缘故原由：

def test(a):

a.append(3)

a = []

test(a)

print(a)

我们凭据上面枚举的这四种引用计数增添的情形，不难推导出引用削减的情形， 实在基本上是对称的操作。

和初始化对应的操作是

销毁，好比我们建立的工具被del操作给销毁了，那么同样引用计数会-1

del n

和赋值给其他变量名的操作相反的操作是

笼罩，好比之前我们的n=123，也就是n这个变量指向123，现在我们将n赋值成其他值，那么123这个工具的引用计数同样会削减。

n = 124

既然元素存储在容器当中会带来引用计数，那么同样元素

从容器当中移除也会削减引用计数。这个也很好明白，最简朴的就是list挪用remove方式移除一个元素：

a.remove(123)

最后一个对应的就是作用域，也就是当变量

离开了作用域，那么它对应的内存块的引用计数同样会削减。好比我们函数挪用竣事，那么作为参数的这些变量对应的引用计数都市减1。

若是一个工具的引用计数减到0，也就是没有引用再指向它的时刻，那么当Python举行gc的时刻，这块内存就会被释放，也就是这个工具会被消灭，腾出空间来。

注重一下，引用计数减到0与内存接纳之间并不是立刻发生的，而是有一段距离的。凭据Python的机制，内存接纳只会在特定条件下执行。在占用内存比较小另有许多富足的情形下，往往是不会执行内存接纳的。由于Python在执行gc(garbage collection)的时刻也会stop the world，也就是暂停其他所有的义务，以是这是影响性能的一件事情，只会在有需要的时刻执行。

我们费这么大劲来先容Python中的内存机制，除了向人人科普一下这一块内容之外，更主要的一点是为了引出我们开发的时刻经常遇见的一种情形——循环引用。

循环引用

若是熟悉了Python的引用，来明白循环引用是异常容易的。说白了也很简朴，就是你的一个变量引用我，我的一个变量引用你。,吃鸡辅助,

我们来写一段简朴的代码，来看看循环引用：

class Test:

def __init__(self):

pass

if __name__ == '__main__':

a = Test()

b = Test()

a.t = b

b.t = a

若是你打个断点来看的话，会看到a和b之间的循环引用：

这里是无限睁开的，由于这是一个无限循环。无限循环并不会导致程序溃逃， 也不会带来太大的问题，它的问题只有一个，就是凭据前面先容的引用计数法，a和b的引用永远不能能为0。

也就是说凭据引用计数的原则，这两个变量永远不会被接纳，这显然是不合理的。虽然Python当中专门建立了机制来解决引用循环的问题，然则我们并不知道它什么时刻会被触发。

这个问题在Python当中异常普遍，尤其在我们实现一些数据结构的时刻。举个最简朴的例子就是树中的节点，就是引用循环的。由于父节点会存储所有的孩子，往往孩子节点也会存储父节点的信息。那么这就构成了引用循环。

class Node:

def __init__(self, val, father):

self.val = val

self.father = father

self.childs = []

弱引用

为领会决这个问题，Python中提供了一个叫做弱引用的观点。弱引用本质也是一种引用，然则它不会增添工具的引用计数。也就是说它不能保证它引用的工具一定不会被销毁，只要没有销毁，弱引用就可以返回预期的效果。

弱引用不用我们自己开发，这是Python当中集成的一个现成的模块weakref。

这个模块当中的方式许多，用法也许多，然则我们基本上用不到，一般来说最常用的就是ref方式。通过weakref库中的ref方式，可以返回工具的一个弱引用。我们照样来看个例子：

import weakref

class Test:

def __init__(self, name):

self.name = name

def __str__(self):

return self.name

if __name__ == '__main__':

a = Test('a')

b = Test('b')

a.t = weakref.ref(b)

b.t = weakref.ref(a)

print(a.t())

实在照样之前的代码，只是做了一点简朴的改动。一个是我们给Test加上了name这个属性，以及str方式。另一个是我们把直接赋值改成了使用weakref。

这一次我们再打断点进来看的话，就看不到无限循环的情形了：

ref返回的是一个获取引用工具的方式，而不是工具自己。以是我们想要获取这个工具的话，需要再把它当成函数挪用一下。

固然这样很贫苦，我们另有更好的设施，就是使用property注解。通过property注解，我们可以把weakref封装掉，这样在使用的时刻就没有感知了。

import weakref

class Test:

def __init__(self, name):

self.name = name

def __str__(self):

return self.name

@property

def node(self):

return None if self._node is None else self._node()

@node.setter

def node(self, node):

self._node = weakref.ref(node)

总结

引用和循环引用都是基于Python自己的机制，若是对这块机制不领会，很容易采坑。由于可能会泛起逻辑是对的，然则有一些意想不到的bug的情形。这种时刻，往往很难通过review代码或者是测试发现，这也是我们学习的瓶颈所在。很容易发现代码已经写得很熟练了，然则一些进阶的代码照样看不懂或者是写不出来，本质上就是由于缺少了对于底层的领会和认知。

循环引用的问题在我们开发代码的时刻还蛮常见的，尤其是涉及到树和图的数据结构的时刻。由于循环引用的关系，很有可能泛起被删除的树仍然占用着空间，内存不足的情形发生。这个时刻使用weakref就很有需要了。

今天的文章就到这里，原创不易，扫码关注我，获取更多精彩文章。