從Python的源碼淺要剖析Python的內(nèi)存管理
Python 的內(nèi)存管理架構(gòu)（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(shù)提供的接口
1. PyMem_*家族，是對(duì) 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(jí)的內(nèi)存控制接口。
3. 對(duì)象類型相關(guān)的管理接口
PyMem_*
PyMem_家族：低級(jí)的內(nèi)存分配接口(low-level memory allocation interfaces)
Python 對(duì)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(shí)現(xiàn)對(duì)于malloc(0)產(chǎn)生的結(jié)果有會(huì)所不同，而PyMem_MALLOC(0)會(huì)轉(zhuǎn)成malloc(1).
- 不用的C實(shí)現(xiàn)的malloc與free混用會(huì)有潛在的問題。python提供封裝可以避免這個(gè)問題。
- Python提供了宏和函數(shù)，但是宏無法避免這個(gè)問題，故編寫擴(kuò)展是應(yīng)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(jí)的內(nèi)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(nèi)粗管理要求，否則應(yīng)該堅(jiān)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(xiàng)操作：
- 分配內(nèi)存：PyObject_MALLOC
- 部分初始化對(duì)象：PyObject_INIT和PyObject_INIT_VAR
初始化沒什么好看到，但是這個(gè)MALLOC就有點(diǎn)復(fù)雜無比了...
PyObject_{Malloc、Free}
這個(gè)和PyMem_*中的3個(gè)可是大不一樣了，復(fù)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(yùn)行時(shí)頻繁地需要?jiǎng)?chuàng)建和銷毀小對(duì)象，為了避免大量的malloc和free操作，Python使用了內(nèi)存池的技術(shù)。
- 一系列的 arena(每個(gè)管理256KB) 構(gòu)成一個(gè)內(nèi)存區(qū)域的鏈表
- 每個(gè) arena 有很多個(gè) pool(每個(gè)4KB) 構(gòu)成
- 每次內(nèi)存的申請釋放將在一個(gè) pool 內(nèi)進(jìn)行
單次申請內(nèi)存塊
當(dāng)申請大小在 1~256 字節(jié)之間的內(nèi)存時(shí)，使用內(nèi)存池(申請0或257字節(jié)以上時(shí)，將退而使用我們前面提到的PyMem_Malloc)。
每次申請時(shí)，實(shí)際分配的空間將按照某個(gè)字節(jié)數(shù)對(duì)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(shù)由一些宏進(jìn)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(nèi)存塊都是需要在 pool 中進(jìn)行分配，一個(gè)pool的大小是 4k。由下列宏進(jìn)行控制：
#define SYSTEM_PAGE_SIZE (4 * 1024)
#define POOL_SIZE SYSTEM_PAGE_SIZE /* must be 2^N */
每個(gè)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(gè)成員 szidx，對(duì)應(yīng)前面列表中最后一列的 Size class idx。這也說明一個(gè)問題：每個(gè) pool 只能分配固定大小的內(nèi)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(nèi)存塊，必須有多個(gè) pool。同一大小的pool分配完畢，也需要新的pool。多個(gè)pool依次構(gòu)成一個(gè)鏈表
arena
多個(gè)pool對(duì)象使用被稱為 arena 的東西進(jìn)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(nèi)存的大小由下列宏控制：
#define ARENA_SIZE (256 << 10) /* 256KB */
一系列的 arena 構(gòu)成一個(gè)鏈表。
引用計(jì)數(shù)與垃圾收集
Python中多數(shù)對(duì)象的生命周期是通過引用計(jì)數(shù)來控制的，從而實(shí)現(xiàn)了內(nèi)存的動(dòng)態(tài)管理。
但是引用計(jì)數(shù)有一個(gè)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(shù)。
相關(guān)文章
python操作excel之openpyxl模塊讀寫xlsx格式使用方法詳解
這篇文章主要介紹了python操作excel之openpyxl模塊讀寫xlsx格式使用方法詳解,需要的朋友可以參考下2022-12-12
對(duì)TensorFlow中的variables_to_restore函數(shù)詳解
今天小編就為大家分享一篇對(duì)TensorFlow中的variables_to_restore函數(shù)詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-07-07
在計(jì)算中,腳本一詞用于指代包含訂單邏輯序列的文件或批處理文件,下面這篇文章主要給大家介紹了關(guān)于python運(yùn)行腳本文件的三種方法,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-06-06
對(duì)numpy的array和python中自帶的list之間相互轉(zhuǎn)化詳解
下面小編就為大家分享一篇對(duì)numpy的array和python中自帶的list之間相互轉(zhuǎn)化詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-04-04
django 中的聚合函數(shù)，分組函數(shù)，F(xiàn) 查詢，Q查詢
這篇文章主要介紹了django 中的聚合函數(shù)，分組函數(shù)，F(xiàn) 查詢，Q查詢,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
Win10下安裝CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+p
這篇文章主要介紹了Win10下安裝CUDA11.0+CUDNN8.0+tensorflow-gpu2.4.1+pytorch1.7.0+paddlepaddle-gpu2.0.0，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
Python制作簡易版小工具之計(jì)算天數(shù)的實(shí)現(xiàn)思路
這篇文章主要介紹了Python制作簡易版小工具之計(jì)算天數(shù)的實(shí)現(xiàn)思路,代碼簡單易懂，非常不錯(cuò)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-02-02
利用Python和C語言分別實(shí)現(xiàn)哈夫曼編碼
這篇文章主要為大家詳細(xì)介紹了如何利用Python和C語言分別實(shí)現(xiàn)哈夫曼編碼，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2022-07-07
python中torch可以成功引用但無法訪問屬性的解決辦法
這篇文章給大家介紹了我們在python中運(yùn)行程序時(shí)遇到一個(gè)奇怪的報(bào)錯(cuò),torch可以成功引用但無法訪問屬性,這是比較奇怪的一件事,因?yàn)閠orch肯定是可以訪問Tensor,所以本文給大家介紹了torch可以成功引用但無法訪問屬性的解決辦法,需要的朋友可以參考下2024-01-01
這篇文章主要介紹了Python的Dict對(duì)象源碼分析,PyDictObject即字典對(duì)象，類似于C++ STL中的map，但STL中以紅黑樹實(shí)現(xiàn)，Python中dict以hash表(散列表)實(shí)現(xiàn),需要的朋友可以參考下2023-08-08