约 7 分钟5 张卡

Python 内存管理

Python 负责管理对象的内存，程序仍要负责对象和资源的使用范围。CPython 以引用计数为主要机制，并用循环垃圾回收处理仅靠计数无法释放的引用环。这里讲 CPython 的机制，不能把它的立即释放行为当作所有 Python 实现的语言保证。

面试需要区分三个层次：一个名称是否还存在，一个对象是否仍被引用，以及进程是否把内存归还给操作系统。它们不会总在同一个时刻变化。

1. 面试核心

先记住这几条，再读正文

CPython 用引用计数跟踪对象引用，新增或删除名称绑定只是引用变化的一部分，容器、闭包和缓存也可能继续持有对象。卡 · 引用计数
互相引用的对象即使已经无法从程序外部访问，计数仍可能非零。循环垃圾回收补充引用计数，识别不可达的引用环。卡 · 循环引用与垃圾回收
del 删除名称或容器关系，不等于强制销毁对象。对象仍可达时，调用 gc.collect() 也不会把它当作垃圾回收。卡 · 可达但不再需要的对象
对象释放后，内存可能留在解释器分配器中供后续复用。进程常驻内存没有立即下降，不足以单独证明对象仍然泄漏。卡 · 对象释放与进程内存
弱引用不单独维持对象存活，适合不应拥有对象生命周期的索引或缓存。资源关闭仍应使用明确的管理协议，不能依赖弱引用或垃圾回收时机。卡 · 弱引用与资源边界

2. 引用计数

卡 · Python 怎样管理对象内存，CPython 使用哪些回收机制？

引用计数记录指向某个对象的引用数量。CPython 在建立和解除引用关系时维护计数，通常在计数降为零时释放对象。

import sys

class Payload:
    pass

value = Payload()
before = sys.getrefcount(value)
alias = value
after = sys.getrefcount(value)
print(after - before)  # 1，常规 CPython 配置下新增了 alias 引用

sys.getrefcount 调用本身也会临时持有参数引用，因此不应拿它的某个绝对数字当作“程序里有几个变量”。示例只观察同样调用方式下新增一个引用后的变化，并使用普通自定义实例，避免整数等对象的缓存或特殊实现影响观察。

引用还可能来自列表元素、字典值、对象属性、函数闭包以及异常 traceback 中保存的执行现场。删除一个名称，并不清空这些其他关系。

import weakref

class Payload:
    pass

value = Payload()
reference = weakref.ref(value)
cache = [value]
del value
print(reference() is not None)  # True，cache 仍持有对象
cache.clear()
print(reference() is None)      # True，常规 CPython 中对象已释放

这里使用弱引用观察对象，不会因为观察本身让对象一直存活。第二个输出依赖 CPython 对这个无引用环实例的释放行为；跨实现的资源管理不能依赖相同的立即回收时机。

3. 循环引用与垃圾回收

卡 · Python 怎样管理对象内存，CPython 使用哪些回收机制？卡 · 引用计数为什么不能独自处理所有循环引用？

循环引用指对象之间的引用形成环。一个对象引用自己也可以形成最简单的环。

import gc
import weakref

class Node:
    pass

was_enabled = gc.isenabled()
gc.disable()
try:
    node = Node()
    node.next = node
    reference = weakref.ref(node)
    del node
    print(reference() is not None)  # True，环中的引用仍在
    gc.collect()
    print(reference() is None)      # True，不可达环被回收
finally:
    if was_enabled:
        gc.enable()

例子暂时关闭自动循环回收，避免观察过程中它提前运行；最后恢复原状态。del node 删除外部名称，但对象仍通过 next 引用自己，所以单看引用计数不能判定它已经没有用途。

循环回收器追踪可能形成引用环的对象关系，识别这些对象是否仍能从外部存活对象到达。不可达的一组对象可以一起回收，而不是要求每个对象先独立降到零引用。

CPython 还使用分代等策略减少每次检查的范围。具体代际、阈值与回收调度随实现版本变化，理解对象关系不需要背一组固定参数。gc.disable() 关闭的是自动循环回收，不会关闭引用计数本身。

4. 可达但不再需要的对象

卡 · 对象留在全局缓存里，gc.collect 为什么不能替业务删除它？

垃圾回收器判断对象是否还能被访问，无法判断业务以后是否还需要它。全局缓存持续保存历史结果时，这些对象仍可达，即使业务上已经不再使用。

cache = {}
for case_id in range(3):
    cache[case_id] = bytearray(1024)

print(len(cache))  # 3
cache.pop(0)
print(len(cache))  # 2

如果任务无限增长而缓存从不移除，引用计数和循环回收都不会自动把这些结果删掉。解决办法是为缓存规定容量、过期或生命周期，而不是提高垃圾回收频率。

闭包持有大对象、监听器未解除注册、长期保存异常对象，也会延长引用关系。排查时要找“谁还持有它”，不能只在局部函数里反复执行 del。

5. 对象释放与进程内存

卡 · 删除大对象后 RSS 没有立即下降，是否就是内存泄漏？

对象释放让相应存储不再属于该对象；进程常驻内存是操作系统观察到的进程驻留内存，两者不是同一个指标。

CPython 的内存分配器可能保留已经释放的空间，供之后的对象复用。内存碎片、扩展模块自行分配的内存、线程栈与外部库缓存，也会影响进程指标。因此 RSS 暂时不下降，需要结合存活对象与分配来源判断。

可以按以下顺序缩小范围：

固定一轮工作量，多次执行相同阶段，观察增长是否持续，还是预热后趋稳。
在相同生命周期位置比较 Python 分配快照，找出持续增长的代码位置与对象类型。
检查缓存、容器、闭包、任务和异常记录中的引用关系，确认是否有明确的释放责任。
如果 Python 跟踪的分配没有相应增长，但进程内存增长，再检查扩展模块和系统层资源。

tracemalloc 可以记录启动跟踪之后的 Python 内存分配，并比较快照；它不是全部进程内存的完整视图。启动时机过晚，会漏掉此前的分配；只看总量也难以找到持有关系。

6. 弱引用与资源边界

卡 · 弱引用适合什么场景，能否代替文件关闭？

弱引用允许访问某个对象，但不会仅凭这条关系阻止对象回收。弱值字典等结构适合保存辅助索引，而不强行延长对象生命周期。

import weakref

class Payload:
    pass

cache = weakref.WeakValueDictionary()
value = Payload()
cache["current"] = value
print("current" in cache)  # True

del value
print("current" in cache)  # False，常规 CPython 中最后强引用已解除