目錄鏈接：http://www.itdecent.cn/p/e1e201bea601
計數(shù)引用
Python 中一切皆對象，因此你所看到的一切變量， 本質上都是對象的一個指針。
當一個對象的引用計數(shù)（指針數(shù)） 為 0 的時候， 說明這個對象永不可達， 它也就成為了垃圾需要被回收。
例子：
import sys
a = []
# 兩次引用，一次來自 a，一次來自 getrefcount
print(sys.getrefcount(a))
def func(intmp):
# 四次引用，a，python 的函數(shù)調(diào)用棧，函數(shù)參數(shù)，和 getrefcount
print(sys.getrefcount(intmp))
func(a)
# 兩次引用，一次來自 a，一次來自 getrefcount，函數(shù) func 調(diào)用已經(jīng)不存在
print(sys.getrefcount(a))
sys.getrefcount() 這個函數(shù)， 可以查看一個變量的引用次數(shù)，getrefcount 本身也會引用一次計數(shù)。
在函數(shù)調(diào)用發(fā)生的時候， 會產(chǎn)生額外的兩次引用，一次來自函數(shù)棧， 另一個是函數(shù)參數(shù)。
例子：
import sys
a = []
print(sys.getrefcount(a)) # 兩次
b = a
print(sys.getrefcount(a)) # 三次
c = b
d = b
e = c
f = e
g = d
print(sys.getrefcount(a)) # 八次
a、 b、 c、 d、 e、 f、 g 這些變量全部指代的是同一個對象，最后一共會有8次引用。
python里每一個東西都是對象，它們的核心就是一個結構體：PyObject
typedef struct_object {
int ob_refcnt;
struct_typeobject *ob_type;
} PyObject;
PyObject是每個對象必有的內(nèi)容，其中ob_refcnt就是做為引用計數(shù)。當一個對象有新的引用時，它的ob_refcnt就會增加，當引用它的對象被刪除，它的ob_refcnt就會減少
#define Py_INCREF(op) ((op)->ob_refcnt++) //增加計數(shù)
#define Py_DECREF(op) \ //減少計數(shù)
if (--(op)->ob_refcnt != 0) \
; \
else \
__Py_Dealloc((PyObject *)(op))
當引用計數(shù)為0時，該對象生命就結束了。
引用計數(shù)機制的優(yōu)點：
1、簡單
2、實時性：一旦沒有引用，內(nèi)存就直接釋放了。不用像其他機制等到特定時機。實時性還帶來一個好處：處理回收內(nèi)存的時間分攤到了平時。
引用計數(shù)機制的缺點：
1、維護引用計數(shù)消耗資源
2、循環(huán)引用
引用計數(shù)機制無法處理循環(huán)引用的情況，如下代碼
list1 = []
list2 = []
list1.append(list2)
list2.append(list1)
list1與list2相互引用，如果不存在其他對象對它們的引用，list1與list2的引用計數(shù)也仍然為1，所占用的內(nèi)存永遠無法被回收，這將是致命的。注定python還將引入新的回收機制。(標記清除（mark-sweep） 和分代收集（generational） )
如果想手動釋放內(nèi)存，可以先調(diào)用del a 來刪除一個對象；然后強制調(diào)用 gc.collect()， 即可手動啟動垃圾回收。
標記-清除算法
對于一個有向圖， 如果從一個節(jié)點出發(fā)進行遍歷， 并標記其經(jīng)過的所有節(jié)點；那么， 在遍歷結束后， 所有沒有被標記的節(jié)點， 我們就稱之為不可達節(jié)點。 顯而易見， 這些節(jié)點的存在是沒有任何意義的，我們就需要對它們進行垃圾回收。當然， 每次都遍歷全圖， 對于 Python 而言是一種巨大的性能浪費。 所以， 在 Python 的垃圾回收實現(xiàn)中， mark-sweep 使用雙向鏈表維護了一個數(shù)據(jù)結構， 并且只考慮容器類的對象（只有容器類對象才有可能產(chǎn)生循環(huán)引用） 。
現(xiàn)在有兩種情況：
A:
a=[1,3]
b=[2,4]
a.append(b)
b.append(a)
del a
del b
B:
a=[1,3]
b=[2,4]
a.append(b)
b.append(a)
del a
在標記-清除算法中，有兩個集中營，一個是root鏈表(root object)，另外一個是unreachable鏈表。
對于情景A，原來再未執(zhí)行DEL語句的時候，a,b的引用計數(shù)都為2（init+append=2），但是在DEL執(zhí)行完以后，a,b引用次數(shù)互相減1。a,b陷入循環(huán)引用的圈子中，然后標記-清除算法開始出來做事，找到其中一端a,開始拆這個a,b的引用環(huán)（我們從A出發(fā)，因為它有一個對B的引用，則將B的引用計數(shù)減1；然后順著引用達到B，因為B有一個對A的引用，同樣將A的引用減1，這樣，就完成了循環(huán)引用對象間環(huán)摘除。），去掉以后發(fā)現(xiàn)，a,b循環(huán)引用變?yōu)榱?，所以a,b就被處理到unreachable鏈表中直接被做掉。
對于情景B,簡單一看那b取環(huán)后引用計數(shù)還為1，但是a取環(huán)就為0了（其實不是的）。這個時候a已經(jīng)進入unreachable鏈表中，但是這個時候，root鏈表中有b。如果a被做掉，在root鏈表中的b會被進行引用檢測引用了a，如果a被做掉了，那么b就也就要被做掉這時不對，一審完事，二審a無罪，所以a又被拉回到了root鏈表中。
QA： 為什么要搞這兩個鏈表
之所以要剖成兩個鏈表，是基于這樣的一種考慮：現(xiàn)在的unreachable可能存在被root鏈表中的對象直接或間接引用的對象，這些對象是不能被回收的，一旦在標記的過程中，發(fā)現(xiàn)這樣的對象，就將其從unreachable鏈表中移到root鏈表中；當完成標記后，unreachable鏈表中剩下的所有對象就是名副其實的垃圾對象了，接下來的垃圾回收只需限制在unreachable鏈表中即可。
分代收集算法
Python 將所有對象分為三代。 剛剛創(chuàng)立的對象是第 0 代；經(jīng)過一次垃圾回收后， 依然存在的對象， 便會依次從上一代挪到下一代。 而每一代啟動自動垃圾回收的閾值， 則是可以單獨指定的。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， 就會對這一代對象啟動垃圾回收。分代收集基于的思想是， 新?的對象更有可能被垃圾回收， 而存活更久的對象也有更高的概率繼續(xù)存活。
調(diào)試內(nèi)存泄漏
雖然有了自動回收機制， 但這也不是萬能的， 難免還是會有漏網(wǎng)之魚。 內(nèi)存泄漏是我們不想見到的， ?且還會嚴重影響性能。 objgraph， 一個非常好用的可視化引用關系的包。
第一個有用的函數(shù)是 show_refs()， 它可以生成清晰的引用關系圖。
通過下面這段代碼和生成的引用調(diào)用圖， 能非常直觀地發(fā)現(xiàn)有兩個 list 互相引用， 說明這里極有可能引起內(nèi)存泄露。 這樣， 再去代碼層排查就容易多了。
import objgraph
a = [1, 2, 3]
b = [4, 5, 6]
a.append(b)
b.append(a)
objgraph.show_refs([a])
需要安裝第三方庫：pip install objgraph
并使用https://graphviz.gitlab.io/_pages/Download/Download_windows.html連接中工具graphviz，并用gvedit.exe查看.dot文件
第二個非常有用的函數(shù)是 show_backrefs()
import objgraph
a = [1, 2, 3]
b = [4, 5, 6]
a.append(b)
b.append(a)
objgraph.show_backrefs([a])
這個 API有很多有用的參數(shù)， 比如層數(shù)限制（max_depth） 、 寬度限制（too_many） 、 輸出格式控制
（filename output） 、 節(jié)點過濾（filter, extra_ignore） 等。 可參看：https://mg.pov.lt/objgraph/
參考資料：
極客時間 Python核心技術與實戰(zhàn)學習
Python核心技術與實戰(zhàn)（極客時間）鏈接：
http://gk.link/a/103Sv
Python垃圾回收（GC）三層心法,你了解到第幾層？：
https://juejin.im/post/5b34b117f265da59a50b2fbe
GitHub鏈接：
https://github.com/lichangke/LeetCode
個人Blog:
https://lichangke.github.io/
歡迎大家來一起交流學習
