從Python的源碼淺要剖析Python的內存管理
Python 的內存管理架構（Objects/obmalloc.c）：
_____ ______ ______ ________
[ int ] [ dict ] [ list ] ... [ string ] Python core |
+3 | <----- Object-specific memory -----> | <-- Non-object memory --> |
_______________________________ | |
[ Python's object allocator ] | |
+2 | ####### Object memory ####### | <------ Internal buffers ------> |
______________________________________________________________ |
[ Python's raw memory allocator (PyMem_ API) ] |
+1 | <----- Python memory (under PyMem manager's control) ------> | |
__________________________________________________________________
[ Underlying general-purpose allocator (ex: C library malloc) ]
0 | <------ Virtual memory allocated for the python process -------> |
0. C語言庫函數提供的接口
1. PyMem_*家族，是對 C中的 malloc、realloc和free 簡單的封裝，提供底層的控制接口。
2. PyObject_* 家族，高級的內存控制接口。
3. 對象類型相關的管理接口
PyMem_*
PyMem_家族：低級的內存分配接口(low-level memory allocation interfaces)
Python 對C中的 malloc、realloc和free 提供了簡單的封裝：
為什么要這么多次一舉：
- 不同的C實現對于malloc(0)產生的結果有會所不同，而PyMem_MALLOC(0)會轉成malloc(1).
- 不用的C實現的malloc與free混用會有潛在的問題。python提供封裝可以避免這個問題。
- Python提供了宏和函數，但是宏無法避免這個問題，故編寫擴展是應避免使用宏
源碼：
Include/pymem.h
#define PyMem_MALLOC(n) ((size_t)(n) > (size_t)PY_SSIZE_T_MAX ? NULL \
: malloc((n) ? (n) : 1))
#define PyMem_REALLOC(p, n) ((size_t)(n) > (size_t)PY_SSIZE_T_MAX ? NULL \
: realloc((p), (n) ? (n) : 1))
#define PyMem_FREE free
Objects/object.c
/* Python's malloc wrappers (see pymem.h) */
void *
PyMem_Malloc(size_t nbytes)
{
return PyMem_MALLOC(nbytes);
}
...
PyMem_New 和 PyMem_NEW
PyMem_Resize和 PyMem_RESIZE
它們可以感知類型的大小
#define PyMem_New(type, n) \
( ((size_t)(n) > PY_SSIZE_T_MAX / sizeof(type)) ? NULL : \
( (type *) PyMem_Malloc((n) * sizeof(type)) ) )
#define PyMem_Resize(p, type, n) \
( (p) = ((size_t)(n) > PY_SSIZE_T_MAX / sizeof(type)) ? NULL : \
(type *) PyMem_Realloc((p), (n) * sizeof(type)) )
#define PyMem_Del PyMem_Free
#define PyMem_DEL PyMem_FREE
PyObject_*
PyObject_*家族，是高級的內存控制接口(high-level object memory interfaces)。
注意
- 不要和PyMem_*家族混用??！
- 除非有特殊的內粗管理要求，否則應該堅持使用PyObject_*
源碼
Include/objimpl.h
#define PyObject_New(type, typeobj) \
( (type *) _PyObject_New(typeobj) )
#define PyObject_NewVar(type, typeobj, n) \
( (type *) _PyObject_NewVar((typeobj), (n)) )
Objects/object.c
PyObject *
_PyObject_New(PyTypeObject *tp)
{
PyObject *op;
op = (PyObject *) PyObject_MALLOC(_PyObject_SIZE(tp));
if (op == NULL)
return PyErr_NoMemory();
return PyObject_INIT(op, tp);
}
PyVarObject *
_PyObject_NewVar(PyTypeObject *tp, Py_ssize_t nitems)
{
PyVarObject *op;
const size_t size = _PyObject_VAR_SIZE(tp, nitems);
op = (PyVarObject *) PyObject_MALLOC(size);
if (op == NULL)
return (PyVarObject *)PyErr_NoMemory();
return PyObject_INIT_VAR(op, tp, nitems);
}
它們執(zhí)行兩項操作：
- 分配內存：PyObject_MALLOC
- 部分初始化對象：PyObject_INIT和PyObject_INIT_VAR
初始化沒什么好看到，但是這個MALLOC就有點復雜無比了...
PyObject_{Malloc、Free}
這個和PyMem_*中的3個可是大不一樣了，復雜的厲害！
void * PyObject_Malloc(size_t nbytes) void * PyObject_Realloc(void *p, size_t nbytes) void PyObject_Free(void *p)
Python程序運行時頻繁地需要創(chuàng)建和銷毀小對象，為了避免大量的malloc和free操作，Python使用了內存池的技術。
- 一系列的 arena(每個管理256KB) 構成一個內存區(qū)域的鏈表
- 每個 arena 有很多個 pool(每個4KB) 構成
- 每次內存的申請釋放將在一個 pool 內進行
單次申請內存塊
當申請大小在 1~256 字節(jié)之間的內存時，使用內存池(申請0或257字節(jié)以上時，將退而使用我們前面提到的PyMem_Malloc)。
每次申請時，實際分配的空間將按照某個字節(jié)數對齊,下表中為8字節(jié)（比如PyObject_Malloc(20)字節(jié)將分配24字節(jié)）。
Request in bytes Size of allocated block Size class idx
----------------------------------------------------------------
1-8 8 0
9-16 16 1
17-24 24 2
25-32 32 3
33-40 40 4
... ... ...
241-248 248 30
249-256 256 31
0, 257 and up: routed to the underlying allocator.
這些參數由一些宏進行控制：
#define ALIGNMENT 8 /* must be 2^N */ /* Return the number of bytes in size class I, as a uint. */ #define INDEX2SIZE(I) (((uint)(I) + 1) << ALIGNMENT_SHIFT) #define SMALL_REQUEST_THRESHOLD 256
pool
每次申請的內存塊都是需要在 pool 中進行分配，一個pool的大小是 4k。由下列宏進行控制：
#define SYSTEM_PAGE_SIZE (4 * 1024)
#define POOL_SIZE SYSTEM_PAGE_SIZE /* must be 2^N */
每個pool的頭部的定義如下：
struct pool_header {
union { block *_padding;
uint count; } ref; /* number of allocated blocks */
block *freeblock; /* pool's free list head */
struct pool_header *nextpool; /* next pool of this size class */
struct pool_header *prevpool; /* previous pool "" */
uint arenaindex; /* index into arenas of base adr */
uint szidx; /* block size class index */
uint nextoffset; /* bytes to virgin block */
uint maxnextoffset; /* largest valid nextoffset */
};
注意，其中有個成員 szidx，對應前面列表中最后一列的 Size class idx。這也說明一個問題：每個 pool 只能分配固定大小的內存塊(比如，只分配16字節(jié)的塊，或者只分配24字節(jié)的塊...)。
要能分配前面列表中各種大小的內存塊，必須有多個 pool。同一大小的pool分配完畢，也需要新的pool。多個pool依次構成一個鏈表
arena
多個pool對象使用被稱為 arena 的東西進行管理。
struct arena_object {
uptr address;
block* pool_address;
uint nfreepools;
uint ntotalpools;
struct pool_header* freepools;
struct arena_object* nextarena;
struct arena_object* prevarena;
};
arean控制的內存的大小由下列宏控制：
#define ARENA_SIZE (256 << 10) /* 256KB */
一系列的 arena 構成一個鏈表。
引用計數與垃圾收集
Python中多數對象的生命周期是通過引用計數來控制的，從而實現了內存的動態(tài)管理。
但是引用計數有一個致命的問題：循環(huán)引用！
為了打破循環(huán)引用，Python引入了垃圾收集技術。
相關文章
今天小編就為大家分享一篇基于python的列表list和集合set操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
Python高級技巧之利用psutil和subprocess實現程序監(jiān)控與管理
本文介紹了如何使用Python的psutil和subprocess模塊監(jiān)控程序運行狀態(tài),并提供了一個案例腳本,用于監(jiān)控目標程序并在停止時自動重啟,詳細介紹了subprocess模塊的基本用法和psutil模塊的系統(tǒng)信息獲取、進程管理及資源監(jiān)控功能,需要的朋友可以參考下2024-09-09
這篇文章主要給大家介紹了關于Python解析JSON對象的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-03-03
本文通過一個例子給大家介紹了PEP570新語法: 只接受位置參數的一些知識，感興趣的朋友跟隨小編一起看看吧2019-10-10
這篇文章主要介紹了Python3.4解釋器用法,結合簡單實例形式分析了Windows與Linux系統(tǒng)環(huán)境中Python3.4解釋器的簡單使用方法,需要的朋友可以參考下2019-03-03
Django報錯TemplateDoesNotExist的問題及解決
這篇文章主要介紹了Django報錯TemplateDoesNotExist的問題及解決方案,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
這篇文章主要介紹了詳解?python?logging日志模塊，記錄日志最簡單的方法就是在你想要記錄的地方加上一句?print?，?我相信無論是新手還是老鳥都經常這么干。在簡單的代碼中或者小型項目中這么干一點問題都沒有,需要的朋友可以參考下2022-01-01
這篇文章主要為大家詳細介紹了使用python和opencv實現摳圖，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-07-07
python簡單爬蟲,爬取吉首大學成績單，學校的成績單居然不支持導出,太坑了,算個績點居然還要手打,我吐了.花2個多小時寫了此python程序來生成可方便求和平均的Excel文件,幫助JSU學子脫離手算煩惱...2021-06-06
這篇文章主要為大家介紹了Python區(qū)塊鏈客戶端類開發(fā)教程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-05-05