引用计数|面试中的高频问题，如何理解Python内存管理中的垃圾回收机制变量与对象Python作为一种动态

文章插图
变量与对象Python 作为一种动态类型的语言，其对象和引用分离。在 Python 中万物皆对象，因此Python 的存储问题等同于对象的存储问题，对于每个对象， Python 都会分配一块内存空间去存储它。
我们通过一个简单的赋值语句来理解变量与对象，如下：
文章插图
变量（testops），通过变量指针引用对象，变量指针指向具体对象的内存空间，取对象的值。对象（9527），类型已知，每个对象都包含一个头部信息（类型标识符和引用计数器）。 Python中变量名没有类型，类型属于对象，对象的类型决定了变量的类型。
文章插图
如上，整数 9527 为一个对象，test 是一个变量。利用赋值语句，引用 test 指向对象 9527。 9527 对象存储在内存中，我们可以通过 id 函数，查看对象的内存地址，引用示意图如下：
文章插图
对于整数和短小的字符等，会触发Python的缓存机制，即Python将这些对象进行缓存，不会为相同的对象分配不同的内存空间，如下：
文章插图
如上，我们使用 is 关键字判断两个引用所指的对象是否相同。可以看到，由于Python缓存了小整数（其实也缓存了短字符串， Python2），因此每个对象只存有一份，比如，使用赋值语句创建小整数，如 27 ，并没有创建出新的对象，而是创建了一个引用。而当使用赋值语句创建大的整数可以有多个相同的对象，如使用赋值语句创建大整数 27000 ，此时创建出多个对象。
引用计数
文章插图
【引用计数|面试中的高频问题，如何理解Python内存管理中的垃圾回收机制】在Python中，每个对象都有指向该对象的引用总数，即引用计数(reference count) 。一个对象会记录着引用自己的对象的个数，每增加1个引用，个数加1 ，每减少1个引用，个数减1 。在垃圾回收过程中，利用引用计数器方法，在检测到对象引用个数为 0 时，对普通的对象进行释放内存的机制。
我们可以使用 sys.getrefcount 方法，来查看每个对象的引用计数。需要注意的是，当使用某个引用作为参数，传递给 getrefcount方法时，参数实际上创建了一个临时的引用。因此， getrefcount 方法所得到的结果比期望的多1 。
文章插图
由上可见， l 中的 [t,27] 两个元素，都指向了同一个对象，实际上，容器对象（如，列表、字典等）中包含的并不是元素对象本身，是指向各个元素对象的引用。同时， l 的引用计数随着 ll 的创建和删除，引用计数也随着增加1和减少1 。
导致引用计数增加的场景如下：

对象被创建：t = 27
其它的别名被创建：ll = l
作为参数传递给函数：getrefcount(l)
作为容器对象的一个元素：l = [t, 27]

导致引用计数减少的场景如下：

对象的别名被显式的销毁：del ll
对象的一个别名被赋值给其他对象：l = 789
对象所在的容器被销毁或从容器中删除对象如， del ll 或 l.remove(t) 。
一个本地引用离开了它的作用域，比如上面的 getrefcount(x) 函数结束时， x指向的对象引用减1 。

引用计数中的循环引用

文章插图
循环引用即对象之间进行相互引用，出现循环引用后，利用上述引用计数机制无法对循环引用中的对象进行释放空间，从而导致内存泄漏，这就是循环引用问题，如下：

文章插图
对象 test 中的元素引用 ops ，而对象 ops 中元素同时来引用 test，从而造成仅仅删除 test和 ops对象，无法释放其内存空间，因为他们依然在被引用（引用个数不为0）。进一步解释就是循环引用后， test 和 ops 被引用个数为2 ，删除 test 和 ops 对象后，两者被引用的个数变为1 ，并不是0 ，而Python只有在检查到一个对象的被引用个数为0时，才会自动释放其内存，所以这里无法释放 test 和 ops 的内存空间，因此这也是导致内存泄漏的原因之一。