一、先来说说为什么要有垃圾回收

解释器在执行到定义变量得语法时，会申请内存空间来存放变量得值，但是由于内存空间是有限得，所以这就涉及到了内存回收问题了，当一个变量值没有用了（简称垃圾），这种时候就应该回收掉这个变量值得内存空间。

二、那么什么是垃圾回收机制

垃圾回收机制（简称GC）是Python解释器自带一种机，专门用来回收不可用的变量值所占用的内存空间

三、为什么要用垃圾回收机制呢？

程序运行过程中会申请大量的内存空间，而对于一些无用的内存空间如果不及时清理的话会导致内存使用殆尽（内存溢出），导致程序崩溃，因此管理内存是一件重要且繁杂的事情，而python解释器自带的垃圾回收机制把程序员从繁杂的内存管理中解放出来。

四、垃圾回收机制的理解

1、堆区和栈区

在定义变量时，变量名与变量值都是需要存储的，分别对应内存中的两块区域：堆区与栈区。

# 1、变量名与值内存地址的关联关系存放于栈区
# 2、变量值存放于堆区，内存管理回收的则是堆区的内容

2、直接引用和间接引用

直接引用指的是从栈区出发直接引用到的内存地址。间接引用指的是从栈区出发引用到堆区后，再通过进一步引用才能到达的内存地址。

x=10 # 10这个值被变量x直接引用
list=[20,x] # 10这个值被列表list间接引用12

五、垃圾回收机制的原理分析

Python的GC模块主要运用了“引用计数”（reference counting）来跟踪和回收垃圾。在引用计数的基础上，还可以通过“标记-清除”（mark and sweep）解决容器对象可能产生的循环引用的问题，并且通过“分代回收”（generation collection）以空间换取时间的方式来进一步提高垃圾回收的效率。

1、引用计数

变量值被变量名关联得次数（包括间接引用和直接引用 ），一旦变量得引用计数得值变成0，占用内存就会被回收。

2、引用计数得问题以及解决方案

问题一：循环引用

引用计数机制存在着一个致命的弱点，即循环引用（也称交叉引用

list1=[111,]
list2=[222,]
list1.append(list2)
list2.append(list1)
print(list1,list2)
[111, [222, [...]]] [222, [111, [...]]]
#  list1和list2之间相互引用
#  list1=[111的内存地址,list2的内存地址]
#  list2=[222的内存地址,list1的内存地址]
x=10
list=[2,3,x]
print(list[2]) # 10
x=123
print(list[2]) # 10

这种时候一旦我们del list1，del list2，删除列表的直接引用，只剩下list1和list2之间 的相互引用，这样引用计数不是0，内存空间无法回收，并且无法去到list1和list2的值（就是垃圾），这种时候python引入了“标记-清除” 与“分代回收”来分别解决引用计数的循环引用与效率低的问题。

问题二：标记清除

容器对象（比如：list，set，dict，class，instance）都可以包含对其他对象的引用，所以都可能产生循环引用。而“标记-清除”计数就是为了解决循环引用的问题。标记/清除算法的做法是当应用程序可用的内存空间被耗尽的时，就会停止整个程序，然后进行两项工作，第一项则是标记，第二项则是清除。

问题三：效率问题

基于引用计数的回收机制，每次回收内存，都需要把所有对象的引用计数都遍历一遍，这是非常消耗时间的，于是引入了分代回收来提高回收效率，分代回收采用的是用“空间换时间”的策略。

问题四：分代回收

分代回收的核心思想是：在历经多次扫描的情况下，都没有被回收的变量，gc机制就会认为，该变量是常用变量，gc对其扫描的频率会降低分代指的是根据存活时间来为变量划分不同等级（也就是不同的代）

新定义的变量，放到新生代这个等级中，假设每隔1分钟扫描新生代一次，如果发现变量依然被引用，那么该对象的权重（权重本质就是个整数）加一，当变量的权重大于某个设定得值（假设为3），会将它移动到更高一级的青春代，青春代的gc扫描的频率低于新生代（扫描时间间隔更长），假设5分钟扫描青春代一次，这样每次gc需要扫描的变量的总个数就变少了，节省了扫描的总时间，接下来，青春代中的对象，也会以同样的方式被移动到老年代中。也就是等级（代）越高，被垃圾回收机制扫描的频率越低

回收依然使用引用计数作为回收的依据

问题五：分代回收的缺点

例如一个变量刚刚从新生代移入青春代，该变量的绑定关系就解除了，该变量应该被回收，但青春代的扫描频率低于新生代，这就到导致了应该被回收的垃圾没有得到及时地清理。

没有十全十美的方案：

毫无疑问，如果没有分代回收，即引用计数机制一直不停地对所有变量进行全体扫描，可以更及时地清理掉垃圾占用的内存，但这种一直不停地对所有变量进行全体扫描的方式效率极低，所以我们只能将二者中和。

综上：

垃圾回收机制是在清理垃圾&释放内存的大背景下，允许分代回收以极小部分垃圾不会被及时释放为代价，以此换取引用计数整体扫描频率的降低，从而提升其性能，这是一种以空间换时间的解决方案目录。

以上就是如何快速理解python的垃圾回收机制的详细内容，更多关于你理解python的垃圾回收机制么的资料请关注其它相关文章！