【4】进程管理-5-Python内存释放--gc
Python作为一种动态类型的语言，其对象和引用分离。这与曾经的面向过程语言有很大的区别。为了有效的释放内存，Python内置了垃圾回收的支持。Python采取了一种相对简单的垃圾回收机制，即引用计数，并因此需要解决孤立引用环的问题
python话说会自己管理内存，实际上，对于占用很大内存的对象，并不会马上释放。举例，a=range(10000*10000)，会发现内存飙升一个多G，del a 或者a=[]都不能将内存降下来。 del 可以删除多个变量，del a,b,c,d 办法：
import gc （garbage collector）
del a
gc.collect()
马上内存就释放了。
一、gc模块
gc.enable() 打开自动回收garbage
gc.disable() 关闭自动回收垃圾
gc.isenabled 返回自动回收垃圾是否打开
gc.collect() 开始回收垃圾，然有三个参数0,1,2 分别代表不同级别的回收
gc.set_debug(flags) debug的结果会写入sys.stderr
gc.set_debug() 返回debug的结果
gc.get_objects 返回被删除的东西的名称
更多函数参见官网 gc
二 python内存管理机制
主要参考的 Python深入06 Python的内存管理
Python作为一种动态类型的语言，其对象和引用分离。这与曾经的面向过程语言有很大的区别。为了有效的释放内存，Python内置了垃圾回收的支持。Python采取了一种相对简单的垃圾回收机制，即引用计数，并因此需要解决孤立引用环的问题。Python与其它语言既有共通性，又有特别的地方。对该内存管理机制的理解，是提高Python性能的重要一步
Python解释器对正在使用的对象保持计数。当对象不再被引用指向的时候，垃圾收集器可以释放该对象，获取分配的内存。例如，如果你使用常规的Python(CPython, 不是JPython)时，Python的垃圾收集器将调用free()/delete()
2.1 对象的内存使用
为了探索对象在内存的存储，我们可以求助于Python的内置函数id()。它用于返回对象的身份(identity)。其实，这里所谓的身份，就是该对象的内存地址。
a = 1
print(id(a))
print(hex(id(a)))
在我的计算机上，它们返回的是:
11246696
'0xab9c68'
分别为内存地址的十进制和十六进制表示。
在Python中，整数和短小的字符，Python都会缓存这些对象，以便重复使用。当我们创建多个等于1的引用时，实际上是让所有这些引用指向同一个对象。
# True
a = 1
b = 1
print(a is b)
# True
a = "good"
b = "good"
print(a is b)
# False
a = "very good morning"
b = "very good morning"
print(a is b)
# False
a = []
b = []
print(a is b)
2.2 引用机制
在Python中，每个对象都有存有指向该对象的引用总数，即引用计数(reference count)。
我们可以使用sys包中的getrefcount()，来查看某个对象的引用计数。需要注意的是，当使用某个引用作为参数，传递给getrefcount()时，参数实际上创建了一个临时的引用。因此，getrefcount()所得到的结果，会比期望的多1。
from sys import getrefcount
a = [1, 2, 3]
print(getrefcount(a))
b = a
print(getrefcount(b))
由于上述原因，两个getrefcount将返回2和3，而不是期望的1和2。
Python的一个容器对象(container)，比如表、词典等，可以包含多个对象。实际上，容器对象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。
2.3 垃圾回收
从基本原理上，当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾了。比如某个新建对象，它被分配给某个引用，对象的引用计数变为1。如果引用被删除，对象的引用计数为0，那么该对象就可以被垃圾回收。比如下面的表:
a = [1, 2, 3]
del a
del a后，已经没有任何引用指向之前建立的[1, 2, 3]这个表。用户不可能通过任何方式接触或者动用这个对象。这个对象如果继续待在内存里，就成了不健康的脂肪。当垃圾回收启动时，Python扫描到这个引用计数为0的对象，就将它所占据的内存清空。
然而，减肥是个昂贵而费力的事情。垃圾回收时，Python不能进行其它的任务。频繁的垃圾回收将大大降低Python的工作效率。如果内存中的对象不多，就没有必要总启动垃圾回收。所以，Python只会在特定条件下，自动启动垃圾回收。当Python运行时，会记录其中分配对象(object allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。
我们可以通过gc模块的get_threshold()方法，查看该阈值:
import gc
print(gc.get_threshold())
返回(700, 10, 10)，后面的两个10是与分代回收相关的阈值，后面可以看到。700即是垃圾回收启动的阈值。可以通过gc中的set_threshold()方法重新设置。
2.4 分代(generation)回收
Python同时采用了分代(generation)回收的策略。这一策略的基本假设是，存活时间越久的对象，越不可能在后面的程序中变成垃圾。我们的程序往往会产生大量的对象，许多对象很快产生和消失，但也有一些对象长期被使用。出于信任和效率，对于这样一些“长寿”对象，我们相信它们的用处，所以减少在垃圾回收中扫描它们的频率。
Python将所有的对象分为0，1，2三代。所有的新建对象都是0代对象。当某一代对象经历过垃圾回收，依然存活，那么它就被归入下一代对象。垃圾回收启动时，一定会扫描所有的0代对象。如果0代经过一定次数垃圾回收，那么就启动对0代和1代的扫描清理。当1代也经历了一定次数的垃圾回收后，那么会启动对0，1，2，即对所有对象进行扫描。
这两个次数即上面get_threshold()返回的(700, 10, 10)返回的两个10。也就是说，每10次0代垃圾回收，会配合1次1代的垃圾回收；而每10次1代的垃圾回收，才会有1次的2代垃圾回收。
同样可以用set_threshold()来调整，比如对2代对象进行更频繁的扫描。
import gc
gc.set_threshold(700, 10, 5)
2.5 孤立的引用环
引用环的存在会给上面的垃圾回收机制带来很大的困难。这些引用环可能构成无法使用，但引用计数不为0的一些对象。
a = []
b = [a]
a.append(b)
del a
del b
上面我们先创建了两个表对象，并引用对方，构成一个引用环。删除了a，b引用之后，这两个对象不可能再从程序中调用，就没有什么用处了。但是由于引用环的存在，这两个对象的引用计数都没有降到0，不会被垃圾回收。
为了回收这样的引用环，Python复制每个对象的引用计数，可以记为gc_ref。假设，每个对象i，该计数为gc_ref_i。Python会遍历所有的对象i。对于每个对象i引用的对象j，将相应的gc_ref_j减1。
在结束遍历后，gc_ref不为0的对象，和这些对象引用的对象，以及继续更下游引用的对象，需要被保留。而其它的对象则被垃圾回收。
三、查看内存
3.1 资源（resource）
resource’ 模块用来查看项目当前得的固有的（Resident memory）内存消耗
Resident memory（固有内存）是项目实际使用的RAM
>>> import resource
>>> resource.getrusage(resource.RUSAGE_SELF).ru_maxrss
4332
3.2 对象（objgraph）
objgraph’ 是一个实用模块,可以展示当前内存中存在的对象
来看看objgraph的简单用法：
import objgraph
import random
import inspect
class Foo(object):
def __init__(self):
self.val = None
def __str__(self):
return “foo – val: {0}”.format(self.val)
def f():
l = []
for i in range(3):
foo = Foo()
#print “id of foo: {0}”.format(id(foo))
#print “foo is: {0}”.format(foo)
l.append(foo)
return l
def main():
d = {}
l = f()
d[‘k’] = l
print “list l has {0} objects of type Foo()”.format(len(l))
objgraph.show_most_common_types()
objgraph.show_backrefs(random.choice(objgraph.by_type(‘Foo’)),
filename=“foo_refs.png”)
objgraph.show_refs(d, filename=‘sample-graph.png’)
if __name__ == “__main__”:
main()
python test1.py
list l has 10000 objects of type Foo()
dict 10423
Foo 10000 ————> Guilty as charged!
tuple 3349
wrapper_descriptor 945
function 860
builtin_function_or_method 616
method_descriptor 338
weakref 199
member_descriptor 161
getset_descriptor 107
注意，我们在内存中还持有10,423个‘dict’的实例对象。
可视化objgraph依赖项
Objgraph有个不错的功能，可以显示Foo()对象在内存中存在的因素，即，显示谁持有对它的引用 (在这个例子中是list ‘l’)。
在RedHat/Centos上, 你可以使用
sudo yum install yum install graphviz*
安装graphviz
如需查看对象字典，d，请参考:
objgraph.show_refs(d, filename=’sample-graph.png’)
从内存使用角度来看，我们惊奇地发现——为什么对象没有释放?这是因为有人在持有对它的引用。
这个小片段展示了objgraph怎样提供相关信息:
objgraph.show_backrefs(random.choice(objgraph.by_type(‘Foo’)), filename=“foo_refs.png”)
在这一案例中, 我们查看了Foo类型的随机对象。我们知道该特定对象被保存在内存中，因其引用链接在指定范围内。
有时，以上技巧能帮助我们理解，为什么当我们不再使用某对象时，Python垃圾回收器没有将垃圾回收。
难处理的是，有时候我们会发现Foo()占用了很多内存的类。这时我们可以用heapy()来回答以上问题。
3.3 Heapy
heapy 是一个实用的，用于调试内存消耗/泄漏的工具。查看 http://guppy-pe.sourceforge.net/。通常，我将objgraph和heapy搭配使用：用 heapy 查看分配对象随时间增长的差异，heapy能够显示对象持有的最大内存等；用Objgraph找backref链（例如：前4节），尝试获取它们不能被释放的原因。
Heapy的典型用法是在不同地方的代码中调用一个函数，试图为内存使用量提供大量收集线索，找到可能会引发的问题
from guppy import hpy
def dump_heap(h, i):
“””
@param h: The heap (from hp = hpy(), h = hp.heap())
@param i: Identifier str
“””
print “Dumping stats at: {0}”.format(i)
print ‘Memory usage: {0} (MB)’.format(resource.getrusage(resource.RUSAGE_SELF).ru_maxrss/1024)
print “Most common types:”
objgraph.show_most_common_types()
print “heap is:”
print “{0}”.format(h)
by_refs = h.byrcs
print “by references: {0}”.format(by_refs)
print “More stats for top element..”
print “By clodo (class or dict owner): {0}”.format(by_refs[0].byclodo)
print “By size: {0}”.format(by_refs[0].bysize)
print “By id: {0}”.format(by_refs[0].byid)
四 减少内存消耗小技巧
4.1 slots妙用
当你有许多对象时候可以使用Slots。Slotting传达给Python解释器：你的对象不需要动态的字典(从上面的例子3.2中，我们看到每个Foo()对象内部包含一个字典)
用slots定义你的对象，让python解释器知道你的类属性/成员是固定的.。这样可以有效地节约内存!
参考以下代码：
import resource
class Foo(object):
#__slots__ = (‘val1’, ‘val2’, ‘val3’, ‘val4’, ‘val5’, ‘val6’)
def __init__(self, val):
self.val1 = val+1
self.val2 = val+2
self.val3 = val+3
self.val4 = val+4
self.val5 = val+5
self.val6 = val+6
def f(count):
l = []
for i in range(count):
foo = Foo(i)
l.append(foo)
return l
def main():
count = 10000
l = f(count)
mem = resource.getrusage(resource.RUSAGE_SELF).ru_maxrss
print “Memory usage is: {0} KB”.format(mem)
print “Size per foo obj: {0} KB”.format(float(mem)/count)
if __name__ == “__main__”:
main()
[vagrant@datosdev temp]$ python test2.py
Memory usage is: 16672 KB
Size per foo obj: 1.6672 KB
去掉这一行代码，然后运行 #__slots__ = (‘val1’, ‘val2’, ‘val3’, ‘val4’, ‘val5’, ‘val6’)
[vagrant@datosdev temp]$ python test2.py
Memory usage is: 6576 KB
Size per foo obj: 0.6576 KB
在这个例子中，减少了60%的内存消耗！
更多Slotting的信息，请点击链接: http://www.elfsternberg.com/2009/07/06/python-what-the-hell-is-a-slot/
4.2 驻留(Interning)：谨防驻留字符串（ interned strings）
Python会记录如字符串等不可改变的值（其每个值的大小依赖于实现方法），这称为驻留。
>>> t = “abcdefghijklmnopqrstuvwxyz”
>>> p = “abcdefghijklmnopqrstuvwxyz”
>>> id(t)
139863272322872
>>> id(p)
139863272322872
这是由python解析器完成的，这样做可以节省内存，并加快比较速度。例如，如果两个字符串拥有相同的ID或引用–他们就是全等的。
然而，如果你的程序创建了许多小的字符串，你的内存就会出现膨胀。
4.3 生成字符串时使用Format来代替“+”
接下来，在构造字符串时，使用Format来代替“+”构建字符串。
亦即，
st = “{0}_{1}_{2}_{3}”.format(a,b,c,d) # 对内存更好，不创建临时变量st
st2 = a + ‘_’ + b + ‘_’ + c + ‘_’ + d # 在每个“+”时创建一个临时str，这些都是驻留在内存中的。
在我们的系统中，当我们将某些字符串构造从“+”变为使用format时，内存会明显被节省。
六、讨论
关于系统级别
上面我们讨论的技巧可以帮助你找出系统内存消耗的问题。但是，随着时间的推移，python进程产生的内存消耗会持续增加。这似乎与以下问题有关:
- 为什么C中内存分配能够在Python内部起作用，这本质上是内存碎片导致的。因为，除非整个内存没有使用过，否则该分配过程不能调用‘free’方法。但需要注意的是，内存的使用不是根据你所创建和使用的对象来进行排列。
- 内存增加也和上面讨论的“Interning” 有关。
以我的经验来看，减少python中内存消耗的比例是可行的。在Datos IO中，我曾经针对指定的内存消耗进程实现过一个工作模块。对于序列化的工作单元，我们运行了一个工作进程。当工作进程完成后, 它会被移除了——这是返回系统全部内存的唯一可以有效方法 :)。好的内存管理允许增加分配内存的大小，即允许工作进程长时间运行。
我归纳了一些减少python进程消耗内存的技巧，当我们在代码中寻找内存泄漏时，一种方法是通过使用Heapy找出哪些Obj占用了较多内存，然后通过使用Objgraph找出内存被释放的原因（除非你认为他们本应该被释放）。
总的来说，我觉得在python中寻找内存问题是一种修行。随着时间的积累，对于系统中的内存膨胀和泄漏问题，你能产生一种直觉判断，并能更快地解决它们。愿你在发现问题的过程中找到乐趣！
参考资料
