Python内存管理

1. Python是如何进行内存管理的?Python内存管理的优化方法？

   答：

   • Python的内存管理由Python解释器负责。

     • 引用计数机制

       当对象被引用时，计数增加 1；当对象不被引用时，计数减去 1；如果计数变成了 0，说明该对象没有被引用，可以删除该对象。可通过sys.getrefcount(a)获取变量a的引用计数。

     • 垃圾回收机制——引用计数为主，标记清除和分代回收为辅

       • 引用计数

         当一个对象的引用计数为0时，其将通过垃圾回收机制清除掉。

       • 标记清除

         为了解决循环引用的问题，引入了标记清除技术。解释器会定期执行一个循环检测器，找出不可访问对象的循环并清除。

       • 分代回收

         0/1/2代

     • 内存池机制

       • 小于256个字节的对象使用Pymalloc实现的分配器

       • 大于256个字节的对象使用系统的malloc分配大内存

         （Python 的内存池是一个金字塔模型：最顶层是用户对对象的直接操作，中间是分配小内存，最底层是大内存。）

   • 内存管理优化

     • 手动垃圾回收机制（关闭自动回收，根据情况手动触发）
     • 调高垃圾回收阈值（一定程度上避免垃圾回收，减少垃圾回收开销）
     • 避免循环引用
       • 手动解循环引用（在使用完对象后进行清除）
       • 使用弱引用（Python中有弱引用库weakref）

2. 退出Python时，是否释放所有内存？

   答：不会释放所有内存。循环引用其他对象或引用全局命名空间的对象的情况下，并非完全释放，同时，也不会释放C库保留的内存部分。

3. 内存溢出是什么？有哪些原因造成内存溢出？如何解决内存溢出？

   答：

   • 内存溢出Out of Memory(OOM)——系统已经不能再分配出所需的内存空间
     • 比如栈满时，进行入栈，造成上溢；栈空时，进行退栈，造成下溢
   • 造成内存溢出的原因
     • 一次性读取的数据量过大
     • 对象在使用完成后没有被清除
     • 代码编写时存在死循环或者循环过多产生重复的对象
     • 内存值设定太小
   • 解决内存溢出
     • 修改参数，增大内存值
     • 对代码进行review，找出可能发生内存溢出的位置
     • 使用内存管理工具动态查看内存使用情况
     • 查看以OutOfMemory开头的错误日志

4. 内存泄漏是什么?内存泄漏有哪几种？如何避免内存泄漏？

   答：

   • 内存泄漏Memory Leak——对象不被回收，可能导致内存泄漏，即申请了内存空间，使用完后却未释放资源。

   • 内存泄漏分类

     • 常发性内存泄漏：发生内存泄漏的代码会被多次执行到，每执行一次造成内存泄漏一次。

     • 偶发性内存泄漏：发生内存泄漏的代码偶尔被执行到，每执行一次造成内存泄漏一次。

       (常发性和偶发性是相对的)

     • 一次性内存泄漏：某段代码只会被执行一次，内存泄漏只发生一次。

     • 隐式内存泄漏：某段代码在运行过程中不断地占用内存，直到结束时才释放。

   • 避免内存泄漏

     • 不使用对象时就删除对象
     • 通过gc模块查看不能回收的对象的相关信息，做对应的处理
     • 通过sys.getrefcount(a)查看引用计数情况