3.垃圾回收、性能分析

Python 垃圾回收机制

Python 中一切皆对象。因此，你所看到的一切变量，本质上都是对象的一个指针。
那么，怎么知道一个对象，是否永远都不能被调用了呢？
就是当这个对象的引用计数（指针数）为 0 的时候，说明这个对象永不可达，自然它也就成为了垃圾，需要被回收。（没人调用它了）

import os
import psutil

# 显示当前 python 程序占用的内存大小
def show_memory_info(hint):
    pid = os.getpid()
    p = psutil.Process(pid)

    info = p.memory_full_info()
    memory = info.uss/ 1024/ 1024
    print("{} memory used: {} MB".format(hint, memory))


def func():
    show_memory_info("initial")
    a = [i for i in range(10000000)]
    show_memory_info("after a created")

func()
show_memory_info("finished")

循环引用

如果有两个对象，它们互相引用，并且不再被别的对象所引用，那么它们应该被垃圾回收吗？

def func():
    show_memory_info("initial")
    a = [i for i in range(10000000)]
    b = [i for i in range(10000000)]
    show_memory_info("after a, b created")
    a.append(b)
    b.append(a)

func()
show_memory_info("finished")
-----------------------------------------------
'''
引用计数
'''
import sys
import gc
# 清除没有引用的对象
# gc.collect()
a = []

# 2 查看变量的引用次数  本身也要算一次
# print(sys.getrefcount(a))       # 2
def func(a):
    # 1 a = []
    # 2 函数调用
    # 3 函数的参数
    # 4 getrefcount
    print(sys.getrefcount(a))   # 4

func(a)
# b = a
# print(sys.getrefcount(a))   # 3次
# 引用次数为0 是垃圾回收启动的充分必要条件嘛？
# import objgraph
a = [1, 2, 3]
b = [4, 5, 6]

a.append(b)
b.append(a)

# objgraph.show_refs([a])

调试内存泄漏

虽然有了自动回收机制，但这也不是万能的，难免还是会有漏网之鱼。
内存泄漏是我们不想见到的，而且还会严重影响性能。有没有什么好的调试手段呢？

它就是 objgraph，一个非常好用的可视化引用关系的包。在这个包中，我主要推荐两个函数，
第一个是 show_refs()，它可以生成清晰的引用关系图。

import objgraph

a = [1, 2, 3]
b = [4, 5, 6]

a.append(b)
b.append(a)

objgraph.show_refs([a])

dot转图片:https://onlineconvertfree.com/zh/

总结

• 垃圾回收是 Python 自带的机制，用于自动释放不会再用到的内存空间；
• 引用计数是其中最简单的实现，不过切记，这只是充分非必要条件，因为循环引用需要通过不可达判定，来确定是否可以回收；
• Python 的自动回收算法包括标记清除和分代收集，主要针对的是循环引用的垃圾收集；
• 调试内存泄漏方面， objgraph 是很好的可视化分析工具。

代码调试

代码调试的两个方法：pdb，cProfile
# import pdb
#
# a = 1
# b = 2
#
# def func():
#     print('enter func()')
#
# pdb.set_trace()
# c = 3
# func()
# print(a + b + c)


import cProfile

def fib(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fib(n-1) + fib(n-2)

def fib_seq(n):
    res = []
    if n > 0:
        res.extend(fib_seq(n-1))
    res.append(fib(n))
    return res

# print(fib_seq(30))

cProfile.run('fib_seq(30)')
----------------------------------------
7049218 function calls (96 primitive calls) in 2.832 seconds
Ordered by: standard name
ncalls  tottime  percall  cumtime  percall filename:lineno(function)
7049123/31    2.832    0.000    2.832    0.091 2.py:17(fib)
     31/1    0.000    0.000    2.832    2.832 2.py:25(fib_seq)
        1    0.000    0.000    2.832    2.832 <string>:1(<module>)
        1    0.000    0.000    2.832    2.832 {built-in method builtins.exec}
       31    0.000    0.000    0.000    0.000 {method 'append' of 'list' objects}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
       30    0.000    0.000    0.000    0.000 {method 'extend' of 'list' objects}

方法名字的字符串调用方法

class Triangle:
    def __init__(self, a, b, c):
        self.a, self.b, self.c = a, b, c

    def get_area(self):
        a, b, c = self.a, self.b, self.c
        p = (a + b + c) / 2
        return (p * (p - a) * (p - b) * (p - c)) ** 0.5

class Rectangle:
    def __init__(self, a, b):
        self.a, self.b = a, b

    def getArea(self):
        return self.a * self.b


class Circle:
    def __init__(self, r):
        self.r = r

    def area(self):
        return self.r ** 2 * 3.14159


shape1 = Triangle(3, 4, 5)
shape2 = Rectangle(4, 6)
shape3 = Circle(1)


def get_area(shape):
    method_name = ['get_area', 'getArea', 'area']
    for name in method_name:
        f = getattr(shape, name, None) #getattr函数通过字符串来调用方法
        if f:
            return f()

# map 函数
# print(get_area(shape1))
# print(get_area(shape2))
# print(get_area(shape3))

shape_list = [shape1, shape2, shape3]

#map() 会根据提供的函数对指定序列做映射。
#语法：map(function, iterable, ...)
area_list = list(map(get_area, shape_list))
print(area_list)
-----------------------------------------------
[6.0, 24, 3.14159]

经典的参数错误

### 不可变类型
以int类型为例:实际上 i += 1 并不是真的在原有的int对象上+1，而是重新创建一个value为6的int对象，i引用自这个新的对象。

### 可变类型
以list为例。list在append之后，还是指向同个内存地址，因为list是可变类型，可以在原处修改。
def add(a,b):
    a += b
    return a

a = 1
b = 2
c = add(a,b)
print(c)       
print(a,b)      

a = [1,2]
b = [3,4]
c = add(a,b)
print(c)        
print(a,b)      

a = (1,2)
b = (3,4)
c = add(a,b)
print(c)        
print(a,b)