从Python的源码浅要剖析Python的内存管理
python 的内存管理架构(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语言库函数提供的接口
1. pymem_*家族,是对 c中的 malloc、realloc和free 简单的封装,提供底层的控制接口。
2. pyobject_* 家族,高级的内存控制接口。
3. 对象类型相关的管理接口
pymem_*
pymem_家族:低级的内存分配接口(low-level memory allocation interfaces)
python 对c中的 malloc、realloc和free 提供了简单的封装:
为什么要这么多次一举:
- 不同的c实现对于malloc(0)产生的结果有会所不同,而pymem_malloc(0)会转成malloc(1).
- 不用的c实现的malloc与free混用会有潜在的问题。python提供封装可以避免这个问题。
- python提供了宏和函数,但是宏无法避免这个问题,故编写扩展是应避免使用宏
源码:
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
它们可以感知类型的大小
#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,是高级的内存控制接口(high-level object memory interfaces)。
注意
- 不要和pymem_*家族混用!!
- 除非有特殊的内粗管理要求,否则应该坚持使用pyobject_*
源码
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); }
它们执行两项操作:
- 分配内存:pyobject_malloc
- 部分初始化对象:pyobject_init和pyobject_init_var
初始化没什么好看到,但是这个malloc就有点复杂无比了...
pyobject_{malloc、free}
这个和pymem_*中的3个可是大不一样了,复杂的厉害!
void * pyobject_malloc(size_t nbytes) void * pyobject_realloc(void *p, size_t nbytes) void pyobject_free(void *p)
python程序运行时频繁地需要创建和销毁小对象,为了避免大量的malloc和free操作,python使用了内存池的技术。
- 一系列的 arena(每个管理256kb) 构成一个内存区域的链表
- 每个 arena 有很多个 pool(每个4kb) 构成
- 每次内存的申请释放将在一个 pool 内进行
单次申请内存块
当申请大小在 1~256 字节之间的内存时,使用内存池(申请0或257字节以上时,将退而使用我们前面提到的pymem_malloc)。
每次申请时,实际分配的空间将按照某个字节数对齐,下表中为8字节(比如pyobject_malloc(20)字节将分配24字节)。
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.
这些参数由一些宏进行控制:
#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
每次申请的内存块都是需要在 pool 中进行分配,一个pool的大小是 4k。由下列宏进行控制:
#define system_page_size (4 * 1024)
#define pool_size system_page_size /* must be 2^n */
每个pool的头部的定义如下:
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,其中有个成员 szidx,对应前面列表中最后一列的 size class idx。这也说明一个问题:每个 pool 只能分配固定大小的内存块(比如,只分配16字节的块,或者只分配24字节的块...)。
要能分配前面列表中各种大小的内存块,必须有多个 pool。同一大小的pool分配完毕,也需要新的pool。多个pool依次构成一个链表
arena
多个pool对象使用被称为 arena 的东西进行管理。
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控制的内存的大小由下列宏控制:
#define arena_size (256 << 10) /* 256kb */
一系列的 arena 构成一个链表。
引用计数与垃圾收集
python中多数对象的生命周期是通过引用计数来控制的,从而实现了内存的动态管理。
但是引用计数有一个致命的问题:循环引用!
为了打破循环引用,python引入了垃圾收集技术。