《Python编程基础》课件-6.6.1.2Python内存管理与垃圾回收进阶

Python内存管理与垃圾回收进阶教学目标1.掌握gc模块高级使用

2.了解CPythonGC算法

3.了解内存泄漏检测

循环引用是对象互相引用，导致计数永不为0，无法回收。核心概念：如列表自引用，造成泄漏。GC通过标记-清除检测孤岛。应避免不必要循环，如使用弱引用解决。影响大对象程序。1、循环引用问题

#循环引用示例a=[]#空列表，计数=1b=[]#另一个，计数=1a.append(b)#a引用b，b计数=2b.append(a)#b引用a，a计数=2dela,b#删除变量，但计数仍=1，需GC回收gc模块控制垃圾回收，如手动收集、禁用。核心概念:gc.enable()/disable()切换，gc.get_objects()列对象。用于调试泄漏。可用它监控内存使用。注意：禁用GC风险泄漏。2.gc模块高级使用importgc#导入gcgc.disable()#禁用自动GC#执行代码，可能积累垃圾gc.enable()#重新启用print(gc.garbage)#输出不可回收垃圾列表弱引用不增计数，允许GC回收引用对象。核心概念:weakref模块创建，如weakref.ref()。用于缓存，避免循环。注意：弱引用对象可能None。3.弱引用importweakref#导入weakrefobj={}#对象，计数=1weak=weakref.ref(obj)#弱引用，不增计数print(weak())#输出对象delobj#删除，对象回收print(weak())#输出NoneCPythonGC使用引用计数+标记-清除+分代。核心概念:标记阶段标识可达对象，清除释放不可达。处理循环引用。4.CPythonGC算法importgc#导入gcgc.set_debug(gc.DEBUG_LEAK)#启用调试，追踪泄漏gc.collect()#收集，输出调试信息#检查gc.garbage泄漏对象内存泄漏是未释放内存积累，导致崩溃。核心概念:使用objgraph或heapy工具检测。监控sys.getsizeof()。注意：循环引用常见原因。5.内存泄漏检测importsys#导入sysobj=[iforiinrange(1000)]#大列表print(sys.getsizeof(obj))#输出大小，如96#重复创建未删除，导致泄漏优化包括使用slots减少对象大小、避免全局变量、及时del大对象。核心概念:调整GC阈值高负载程序。使用内存分析器如memory_profiler。6.内存优化classOptimized:#使用slots优化__slots__=['x']#限制属性，减少内存def__init__(self):self.x=1obj=Optimized()#小内存对象CPython内存模型是Python解释器中堆管理的方式，通过obmalloc分配小对象，确保高效而不直接依赖系统malloc。在Python环境中，这种模型使用竞技场和池，并在实际中减少碎片且其行为不依赖于垃圾回收（GC）。模型的核心在于对不同大小的内存块进行分级管理，不依赖Python语言层的逻辑。核心概念:CPython模型obmalloc；模型包括竞技场；内存强调小对象池。7.CPython内存模型importgc#导入gc.set_debug(gc.DEBUG_STATS)#启用调试统计gc.collect()#回收，输出模型统计如arenasprint(gc.get_debug())#输出调试标志小结1.循环引用导致对象计数永不为零，需要通过GC进行特殊处理2.gc模块提供了