python可以自动回收垃圾吗,python 垃圾回收 循环引用
Python主要使用“引用计数”来跟踪和回收垃圾。根据引用计数，使用“jddwl和sweep”解决容器对象中可能出现的循环引用问题。通过“代收集”交换空间和时间，提高垃圾收集效率。引用计数
在Python中，大多数对象的生命周期由对象的引用数量来管理。从广义上讲，引用计数不仅是一种垃圾收集机制，也是最直观、最简单的垃圾收集技术。
原理：当创建或复制对对象的引用时，对对象的引用数增加1。如果放弃对某个对象的引用，对该对象的引用数将减少1。如果一个对象的引用计数减少到0，就意味着这个对象不再被使用，正在使用的内存可以被释放。
每次分配和释放内存都需要管理引用计数，但与其他主流垃圾收集技术相比，引用计数最大的优势是“实时”。将立即回收对它的任何现有引用。其他垃圾回收量必须在一定条件下才会无效内存回收，比如内存分配失败。
引用计数机制的执行效率：引用计数机制用于保持引用计数的额外操作与Python运行时执行的内存分配和释放成正比。与其他主要的垃圾收集机制(如“标记-清除”和“停止-复制”)相比，这是一个弱点。因为这些技术的额外操作基本上只和回收的内存量有关。
如果说执行效率只是引用计数机制的弱点之一，那么不幸的是，引用计数机制有一个致命的弱点。由于这个弱点，地面垃圾收集不包括引用计数，循环引用(也称为交叉引用)会导致这个致命的弱点。
问题：
使用循环引用时，一组对象的引用数不能为0，但实际上并没有被外部对象引用，只是相互引用。也就是说，没有人再使用这个对象，这个对象使用的内存空间必须被回收。然后因为交叉引用，每个对象的引用数不为0，所以这些对象使用的内存不会被释放。例如：
a=[]
b=[]
A.申请(b))。
B.申请(a))。
打印一份
[[[…]]]
打印b
[[[…]]]
这是致命的，和手动管理内存时发生的内存泄漏没什么区别。
为了解决这个问题，Python引入了其他垃圾收集机制来弥补引用计数的缺陷。它是一种“标记-清除”和“逐代回收”的收集技术。标记-清除
Mark-Clear是为了解决循环引用问题。可以包含对其他对象(如列表、集合、字典、类和实例)的引用的容器对象可能会生成循环引用。
如果两个对象的引用数都是1，并且两者之间只有一个循环引用，那么必须承认两个对象都必须被回收。也就是说，它们的引用数不是0，实际上有效引用数是0。您必须首先删除循环引用。这样，将出现这两个对象的有效计数。设两个对象是A和B，从A开始，因为有对B的引用，所以把对B的引用数减1。然后沿着对B的引用，B对A有引用，于是A的引用1也被减去，完成圆形引用对象之间的环去除。
但是，有一个问题。假设对象A中有一个对象引用了C，但是C中没有对A的引用，如果C的引用计数减1，最后一个A没有收回，很明显我们会错误地将C的引用计数减1，在未来的某个时刻会出现对C的悬空引用。这意味着A必须恢复C的引用计数而不删除它，因此采用这样的方案将使保存引用计数的复杂性加倍。
原理：“标记-清除”采用更好的方法。复制集合中对象的引用编号，并更改对象的引用副本，而不是实际引用编号。对副本所做的任何更改都不会影响对该对象已失去生命的维护。
这个计数副本的唯一功能是找到根对象集合。此集合中的对象不能重复使用。成功找到根对象集后，先将当前内存链表分成两部分，保留一个链表中的根对象集成为根链表，将另一个链表中的剩余对象分成两个链表。当前不可及的可能有根链表中的对象，直接或间接引用的对象，不能回收。在标记过程中找到这样的对象后，将它从不可到达链表移动到根链表。标记后，不可达链表中的所有对象都将成为名副其实的垃圾对象，下一次垃圾回收只需要限制在不可达链表中。分代回收
背景：逐代垃圾收集技术是20世纪80年代初发展起来的一种垃圾收集机制。一系列研究表明，无论用什么语言进行开发，开发出什么类型和规模的程序，这都是普遍的。也就是说，一定比例的内存块寿命很短，通常是几百万条机器指令，而其余的内存块寿命很长，从程序开始一直持续到程序结束。
从上面提到的‘标记清除’等垃圾收集机制来看，垃圾收集的额外操作其实与系统内存块的总数有关。
相关的，当需要回收的内存块越多，垃圾检测带来的额外操作就越多，垃圾回收带来的额外操作就越少；相反，当需要回收的内存块较少时，垃圾检测带来的额外操作会比垃圾收集少。为了提高垃圾收集的效率，采用了“空间换时间”的策略。
原理：系统中所有的内存块按照存活时间分成不同的集合，每个集合成为一个“代”。垃圾收集的频率随着世代生存时间的增加而降低。也就是说，对象寿命越长，垃圾的可能性就越小，垃圾收集的频率也要降低。那么如何衡量这个生存时间：通常是通过几次垃圾收集动作来衡量的。如果一个对象经历了更多的垃圾收集次数，就可以断定该对象的寿命会更长。
示例：
当一些内存块M经过三次垃圾收集清理后还活着的时候，我们会把内存块M分成一个集合A，新分配的内存分成一个集合B，当垃圾收集开始工作的时候，大多数情况下只有集合B是垃圾收集的，而集合A是经过很长一段时间后才被垃圾收集的，这样垃圾收集机制需要处理的内存就少了，效率自然就提高了。在这个过程中，集合B中的一些内存块由于存活时间较长，会被转移到集合A中。当然，集合A中其实也有一些垃圾，这些垃圾的收集也会因为这种生成机制而延迟。
在Python中，总共有3个“代”，即Python实际维护3个链表。详情可以查看Python源代码。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。