Python的內存管理機制對于工程師而言，內存管理機制非常重要，是繞不過去的一環。如果你是Java工程師，面試的時候一定會問JVM。C++工程師也一定會問內存泄漏，同樣我們想要深入學習Python，內存管理機制也是繞不過去的一環。

不過好在Python的內存管理機制相對來說比較簡單，我們也不用特別深入其中的細節，簡單做個了解即可。

Python內存管理機制的核心就是引用計數，在Python當中一切都是對象，對象通過引用來使用。

我們看到的是變量名，但是變量名指向了內存當中的一塊對象。這種關系在Python當中稱為引用，我們通過引用來操作對象。所以根據這點，引用計數很好理解，也就是說我們會對每一個對象進行統計所有指向它的指針的數量。如果一個對象引用計數為0，那么說明它沒有任何引用指向它，也就是說它已經沒有在使用了，這個時候，Python就會將這塊內存收回。

簡單來說引用計數原理就是這些，但我們稍微深入一點，來簡單看看哪些場景會引起對象引用的變化。

引用計數的變化顯然只有兩種，一種是增加，一種是減少，這兩種場景都只有4種情況。我們先來看下增加的情況：

首先是初始化，最簡單的就是我們用賦值操作給一個變量賦值。舉個例子：

n=123

這就是最簡單的初始化操作，雖然123在我們來看是一個常數，但是在Python底層同樣被認為是一個常數對象。n是它的一個引用。

第二種情況是引用的傳遞，最簡單的就是我們將一個變量的值賦值給了另外一個變量。

m=n

比如我們將n賦值給m，它的本質是我們創建了一個新的引用，指向了同樣一塊內存。如果我們用id操作去查看m和n的id，會發現它們的id是一樣的。也就是說它們并不是存儲了兩份相同的值，而是指向了同一份值。并不是有兩個叫做王小二的人，而是王小二有兩個不同的賬號。

第三種情況是作為元素被存儲進了容器當中，比如被存儲進了list當中。

a=[1,2,123]

雖然我們用到了一個容器，但是容器并不會拷貝一份這些對象，還是只是存儲這些對象的引用。

最后一種情況就是作為參數傳給函數，在Python當中，所有的傳參都是引用傳遞。這也是為什么，我們經常看到有人會這樣寫代碼的原因：

deftest(a):

a.append(3)

a=[]

test(a)

print(a)

我們根據上面列舉的這四種引用計數增加的情況，不難推導出引用減少的情況，其實基本上是對稱的操作。

和初始化對應的操作是銷毀，比如我們創建的對象被del操作給銷毀了，那么同樣引用計數會-1

deln

和賦值給其他變量名的操作相反的操作是覆蓋，比如之前我們的n=123，也就是n這個變量指向123，現在我們將n賦值成其他值，那么123這個對象的引用計數同樣會減少。

n=124

既然元素存儲在容器當中會帶來引用計數，那么同樣元素從容器當中移除也會減少引用計數。這個也很好理解，最簡單的就是list調用remove方法移除一個元素：

a.remove(123)

最后一個對應的就是作用域，也就是當變量離開了作用域，那么它對應的內存塊的引用計數同樣會減少。比如我們函數調用結束，那么作為參數的這些變量對應的引用計數都會減1。

如果一個對象的引用計數減到0，也就是沒有引用再指向它的時候，那么當Python進行gc的時候，這塊內存就會被釋放，也就是這個對象會被清除，騰出空間來。

注意一下，引用計數減到0與內存回收之間并不是立即發生的，而是有一段間隔的。根據Python的機制，內存回收只會在特定條件下執行。在占用內存比較小還有很多富裕的情況下，往往是不會執行內存回收的。因為Python在執行gc(garbagecollection)的時候也會stoptheworld，也就是暫停其他所有的任務，所以這是影響性能的一件事情，只會在有必要的時候執行。

我們費這么大勁來介紹Python中的內存機制，除了向大家科普一下這一塊內容之外，更重要的一點是為了引出我們開發的時候經常遇見的一種情況——循環引用。

循環引用如果熟悉了Python的引用，來理解循環引用是非常容易的。說白了也很簡單，就是你的一個變量引用我，我的一個變量引用你。

我們來寫一段簡單的代碼，來看看循環引用：

classTest:

def__init__(self):

pass

if__name__=='__main__':

a=Test()

b=Test()

a.t=b

b.t=a

如果你打個斷點來看的話，會看到a和b之間的循環引用：

這里是無限展開的，因為這是一個無限循環。無限循環并不會導致程序崩潰，也不會帶來太大的問題，它的問題只有一個，就是根據前面介紹的引用計數法，a和b的引用永遠不可能為0。

也就是說根據引用計數的原則，這兩個變量永遠不會被回收，這顯然是不合理的。雖然Python當中專門建立了機制來解決引用循環的問題，但是我們并不知道它什么時候會被觸發。

這個問題在Python當中非常普遍，尤其在我們實現一些數據結構的時候。舉個最簡單的例子就是樹中的節點，就是引用循環的。因為父節點會存儲所有的孩子，往往孩子節點也會存儲父節點的信息。那么這就構成了引用循環。

classNode:

def__init__(self,val,father):

self.val=val

self.father=father

self.childs=[]

弱引用為了解決這個問題，Python中提供了一個叫做弱引用的概念。弱引用本質也是一種引用，但是它不會增加對象的引用計數。也就是說它不能保證它引用的對象一定不會被銷毀，只要沒有銷毀，弱引用就可以返回預期的結果。

弱引用不用我們自己開發，這是Python當中集成的一個現成的模塊weakref。

這個模塊當中的方法很多，用法也很多，但是我們基本上用不到，一般來說最常用的就是ref方法。通過weakref庫中的ref方法，可以返回對象的一個弱引用。我們還是來看個例子：

importweakref

classTest:

def__init__(self,name):

self.name=name

def__str__(self):

returnself.name

if__name__=='__main__':

a=Test('a')

b=Test('b')

a.t=weakref.ref(b)

b.t=weakref.ref(a)

print(a.t())

其實還是之前的代碼，只是做了一點簡單的改動。一個是我們給Test加上了name這個屬性，以及str方法。另一個是我們把直接賦值改成了使用weakref。

這一次我們再打斷點進來看的話，就看不到無限循環的情況了：

ref返回的是一個獲取引用對象的方法，而不是對象本身。所以我們想要獲取這個對象的話，需要再把它當成函數調用一下。

當然這樣很麻煩，我們還有更好的辦法，就是使用property注解。通過property注解，我們可以把weakref封裝掉，這樣在使用的時候就沒有感知了。

importweakref

classTest:

def__init__(self,name):

self.name=name

def__str__(self):

returnself.name

@property

defnode(self):

returnNoneifself._nodeisNoneelseself._node()

@node.setter

defnode(self,node):

self._node=weakref.ref(node)

總結引用和循環引用都是基于Python本身的機制，如果對這塊機制不了解，很容易采坑。因為可能會出現邏輯是對的，但是有一些意想不到的bug的情況。這種時候，往往很難通過review代碼或者是測試發現，這也是我們學習的瓶頸所在。很容易發現代碼已經寫得很熟練了，但是一些進階的代碼還是看不懂或者是寫不出來，本質上就是因為缺少了對于底層的了解和認知。

循環引用的問題在我們開發代碼的時候還蠻常見的，尤其是涉及到樹和圖的數據結構的時候。由于循環引用的關系，很有可能出現被刪除的樹仍然占用著空間，內存不足的情況發生。這個時候使用weakref就很有必要了。

以上內容為大家介紹了Python的內存管理機制，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。