Day 5

References:

• Day5 列表, 直接引用与间接引,
• 5、Python语法入门之垃圾回收机制
• 6、Python语法入门之与用户交互、运算符

回顾

今日内容

垃圾回收机制（Garbage Collection）

列表在内存中的存储方式

PS: 看本文顶部的引用文章查看具体的概念描述

PPS: 或者看python分类中关于python reference的文章

1. 引用计数

• 直接引用
• 间接引用

如下图：

PS: 详细看python分类中关于How python list works这篇文章

2. 标记清除

循环引用导致内存泄漏

内存管理管理的是堆区，当堆区的内容被回收，栈区的变量没有对应关系之后自然会被清除

3. 分代回收

针对引用计数扫描效率的问题，启用了分代回收机制，优化垃圾扫描频率

内存泄露

在Python中，内存泄漏是指程序在运行过程中，未能释放不再使用的内存，导致占用的内存持续增长，最终可能耗尽系统可用内存，影响程序性能或导致程序崩溃。尽管Python具有自动垃圾回收机制，但在某些特定情况下，仍可能出现内存泄漏。

Python中的内存管理

Python使用引用计数和周期检测算法来管理内存。大多数情况下，当一个对象不再被引用时，其引用计数降为零，Python的垃圾回收器会自动释放该对象占用的内存。但是，如果存在循环引用或其他特殊情况，垃圾回收器可能无法立即检测到对象不再需要，从而导致内存泄漏。

出现内存泄漏的情况

1. 循环引用： 当对象之间形成循环引用，且这些对象不再被外部引用时，Python的引用计数机制可能不会释放这些对象，除非垃圾回收器运行周期性清理。在Python 3.4及更高版本中，垃圾回收器更加积极，但循环引用仍然可能成为问题。

2. 全局变量： 全局变量或模块级别的变量如果持续累积数据，而没有适当的清理机制，也可能导致内存泄漏。例如，不断向全局列表添加元素而不移除旧元素。

3. C扩展模块： 如果使用C编写的扩展模块，而该模块的内存管理不当，可能会导致内存泄漏。这是因为C扩展不受Python的自动内存管理约束。

4. 弱引用： 如果对象只有弱引用，且这些弱引用没有被适当地清理，也可能会导致对象不被垃圾回收。

5. 长时间运行的任务： 对于长时间运行的Python服务或守护进程，即使很小的内存泄漏也可能随时间积累成大问题。

6. 第三方库： 第三方库可能存在内存管理问题，特别是那些处理大量数据或使用底层API的库。

如何检测和解决内存泄漏

1. 使用工具： 可以使用像objgraph、heapy、tracemalloc等工具来检测Python中的内存泄漏。

2. 定期重启服务： 对于长时间运行的服务，定期重启可以作为一种临时的解决办法，但这并不是根本的解决方案。

3. 代码审查： 定期进行代码审查，寻找可能导致内存泄漏的模式，如不当的引用管理和不必要的数据累积。

4. 优化数据结构使用： 使用适当的数据结构和算法，避免不必要的数据复制和累积。

5. 使用弱引用： 在适当的情况下使用弱引用，避免不必要的强引用导致的对象生存期过长。

6. 垃圾回收调优： 虽然通常不需要，但在特定情况下，可以手动触发垃圾回收或调整垃圾回收策略。

理解内存泄漏的原因和采取预防措施对于编写高效、健壮的Python应用程序至关重要。在开发过程中，持续监控和测试程序的内存使用情况可以帮助及时发现和解决问题。

用户交互之接收用户输入

为什么python 3.0的input比python 2.0的input更好？

因为python 2.0的input要求用户输入“正确”的数据类型，但是指望所有的用户都认识python中数据类型的语法是不现实的。所以在python 3.0中，无论用户输入的是什么，都将被python解释器识别为字符串类型，至于输入的内容需要被看作什么类型，则由开发者决定

如上图。在python 2.0中，如果输错了list类型的格式，python解释器会报错

格式化输出

方式一

方式二

2.6版本引用format方法处理字符串的格式化输出，其兼容性好

方式三

基本运算符之算数运算与比较运算

基本运算符之赋值运算符

• 链式赋值

• 交叉赋值

• 解压赋值