Python入门课程系列：
- Python学习 day1：认识Python
- Python学习 day2：判断语句与循环控制
- Python学习 day3：高级数据类型
- Python学习 day4：函数基础
- Python学习 day5：函数
- Python学习 day6：内置函数
- Python学习 day7：面向对象基础·上
- Python学习 day8：面向对象基础·中
- Python学习 day9：面向对象基础·下
- Python学习 day10：飞机大战游戏
- Python学习 day11：文件操作与模块
程序的垃圾回收
电脑运行一段时间会变慢，对于这种情况有很多处理方法，比如：
1.关掉不用的程序
2.结束一些进程
3.关闭一些服务
4.重启电脑
我们会发现，重启的效果是最明显的，原因就在于，程序永远不会完美，通过前三张方式无法释放内存资源，而垃圾回收就是为了尽可能的使程序完美。
1. 引用计数机制（重点）
概述：
垃圾回收 Garbage collection (GC)
现在的高级语言如java、c#等，都采用了垃圾收集机制，而不再是c、c++里用户自己管理维护内存的方式。自己管理内存极其自由，可以任意申请内存，但如同一把双刃剑，为大量内存泄漏、悬空指针等bug埋下隐患。
对于一个字符串、列表、类甚至数值都是对象，且定位简单易用的语言，自然不会让用户去处理如何分配回收内存的问题。
python里也同java一样采用了垃圾回收机制，不过不一样的是：python采用的是引用计数机制为主，标记-清除和分代收集两种机制为辅的策略。
引用计数原型：
python里每个东西都是对象，它们的核心就是一个结构体：PyObject
PyObject是每个对象必有的内容，其中ob_refcnt就是做为引用计数。当一个对象有新的引用时，它的ob_refcnt就会增加 ，但引用它的对象被删除，它的ob_refcnt就会减少。
当引用计数为0时，该对象生命就结束了。
import sys #导入系统模块
a=[]
print(sys.getrefcount(a)) #通过sys.getrefcount函数查看引用的数量
#2
b=a
print(sys.getrefcount(a)) #print执行完就会释放掉
#3
引用计数优点：
- 简单
- 实时性：一旦没有引用，内存就直接释放了。不用像其他机制需要等到特定时机。实时性还带来一个好处：处理回收内存的时间分摊到了平时
引用计数缺点：
- 维护引用计数会耗费资源
- 循环引用
list1=[] list2=[] list1.append(list2) list2.append(list1)list1和list2相互引用，如果不存在其他对象对它们的引用，list1和list2的引用计数也仍然为1，所占的内存永远无法被回收，这将是致命的。
对于如今的强大软件，缺点1尚可接受。但是循环阴影导致内存泄露，注定python还将引入新的回收机制（标记清除和分代收集）。
2. Python中的循环数据结构及引用计数（难点）
import sys
import psutil
import os
def showMemSize(tag):
pid=os.getpid() #得到进程id
p=psutil.Process(pid) #通过进程id得到进程对象
info=p.memory_full_info() #进程占用的内存信息
memory=info.uss/1024/1024 #进程占用的内存大小，将字节转化为MB
print('{} memory used:{}MB'.format(tag,memory))
pass
#验证循环引用的情况
def func():
showMemSize('初始化')
a=[i for i in range(1000000)]
b=[i for i in range(1000000)]
a.append(b)
b.append(a)
showMemSize('创建列表对象a b之后')
print(sys.getrefcount(a))
print(sys.getrefcount(b))
pass
func()
showMemSize('完成时候的')
# 初始化 memory used:5.74609375MB
# 创建列表对象a b之后 memory used:88.43359375MB
# 3
# 3
#完成时候的 memory used:88.47265625MB
import sys
import psutil
import os
import gc
def showMemSize(tag):
pid=os.getpid()
p=psutil.Process(pid)
info=p.memory_full_info()
memory=info.uss/1024/1024
print('{} memory used:{}MB'.format(tag,memory))
pass
def func():
showMemSize('初始化')
a=[i for i in range(1000000)]
b=[i for i in range(1000000)]
a.append(b)
b.append(a)
showMemSize('创建列表对象a b之后')
pass
func()
gc.collect() #❗️手动调用垃圾回收功能
showMemSize('完成时候的')
#初始化 memory used:5.7421875MB
#创建列表对象a b之后 memory used:88.43359375MB
#完成时候的 memory used:9.96484375MB
对循环数据结构 ，引用计数就显得力不从心。这时候就需要引用新的回收机制：标记清除和分代收集。
标记清除机制：
顾名思义，首先标记对象（垃圾检测），然后清除垃圾（垃圾回收）
分代回收建立在标记清除的基础之上。
Python程序运行的时候它将会建立一定数量的“浮点数垃圾”，python的GC不能够处理未使用的对象因为应用计数值不会到零。这也是为什么python要引用Generation GC算法的原因！Python使用一种不同的链表来持续追踪活跃的对象，python内部的C代码将其称为零代（Generation Zero）。每次当你创建一个对象或者其他什么值的时候，python就会将其加入零代链表。
Python中的GC阈值
3. Python中的GC模块（重点）
python中垃圾回收是以引用计数为主，分代收集为辅。
-
GC负责的主要任务：
1.为新生成的对象分配内存
2.识别那些垃圾对象
3.从垃圾对象那里回收内存 - 导致引用计数+1的情况：
1.对象被创建
2.对象被引用
3.对象被作为一个参数，传入到一个函数中
4.对象作为一个元素，存储在容器中 - 导致引用次数-1的情况：
1.对象的别名被显式销毁
2.对象的别名被赋予新的对象
3.一个对象离开它的作用域。例如f函数执行完毕时，func函数中的局部变量（全部变量不会）
4.对象所在的容器被销毁或从容器中移除对象 - 有三种情况会触发垃圾回收：
1.当gc模块的计数器达到阈值的时候，自动回收垃圾
2.调用gc.collect()，手动回收垃圾
3.程序退出的时候,python解释器来回收垃圾
