Python3 の遅延変数と free_list リンクリストの違いは何ですか?-Python チュートリアル-php.cn

ホームページ

バックエンド開発

Python チュートリアル

Python3 の遅延変数と free_list リンクリストの違いは何ですか?

WBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWB

Apr 23, 2023 pm 01:52 PM

python

1. 概念

1. 相違点

Python3 では、「遅延変数」と「free_list リンクリスト」は 2 つの異なる概念であり、それらの間に直接のつながりはありません。

2. 遅延変数 (遅延評価)

遅延変数は、場合によっては、Python が式の値をすぐに計算せず、値が必要になるまで待機することを意味します。。このアプローチは、「遅延評価」または「遅延評価」と呼ばれます。

例: ジェネレーターは遅延計算の方法です。

ジェネレーターオブジェクトが作成されると、すぐにすべての値が生成されるのではなく、必要に応じて 1 つずつ生成されます。この方法の利点は、メモリ領域とコンピューティングリソースを節約できることです。

3. free_list リンクリスト

free_list リンクリストは、Python3 のメモリ管理メカニズムです。ガベージコレクションメカニズムは、メモリ領域を自動的に管理するために使用され、free_list リンクリストは、割り当てられた未使用のメモリブロックを再利用できるメカニズムです。

新しいオブジェクトが作成されると、Python はメモリ空間を割り当て、それを使用済みとしてマークします。オブジェクトが参照されなくなると、Python は自動的にそのオブジェクトを未使用としてマークし、free_list に追加します。次回オブジェクトが作成されるとき、Python は最初に free_list リンクリストに再利用可能なメモリブロックがあるかどうかをチェックし、それによって不必要なメモリの割り当てと解放の操作を回避します。

2. 例

1. 遅延変数の例

この例では、ジェネレーター関数が定義されています fibonacci() 、フィボナッチ数列の生成ロジック。ジェネレーターオブジェクト fib を作成すると、すべてのフィボナッチ数列値が一度に生成されるのではなく、必要に応じて 1 つずつ生成されます。ここでは、next() 関数を使用して次のフィボナッチ数列値を取得します。

# 定义一个生成器，实现斐波那契数列
def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a , b = b, a+b
#创建一个生成器对象
fib = fibonacci()
#打印前 10 个斐波那契数列数值
for i in range(10):
    print(next(fib))
&#39;&#39;&#39;
执行结果如下：
0
1
1
2
3
5
8
13
21
34
&#39;&#39;&#39;

2.free_list linked list

この例では、まず 2 つの同一のリストオブジェクト a と b を作成し、それらのメモリアドレスを出力します。次に、メモリから a オブジェクトを削除し、gc.collect() を使用してガベージコレクションを強制します。次に、新しいリストオブジェクト c を作成し、そのメモリアドレスを出力します。最後に、sys.getsizeof([]) 関数を使用して、free_list リンクリストに再利用可能なメモリブロックがあるかどうかを確認します。

import sys
import gc
#创建两个相同的列表对象
a = [1, 2, 3]
b = [1, 2, 3]
#打印a和b对象的内存地址
print("a 的内存地址：", id(a))
print("b 的内存地址：", id(b))
#将a 对象从内存中删除
del a
# 创建一个新的列表对象 c
# 强制进行垃圾回收
gc.collect()
c = [1, 2, 3]
#打印 c 对象的内存地址
print("c 的内存地址：", id(c))
 
#检查 free_list 链表中是否有可重复利用的内存块
print("free_list 链表：", sys.getsizeof([]))
&#39;&#39;&#39;
执行结果如下：
a 的内存地址： 22203400
b 的内存地址： 22201928
c 的内存地址： 21904648
free_list 链表： 64
&#39;&#39;&#39;

gc.collect() ガベージコレクションは強制的に実行できますが、メモリがすぐにクリアされるわけではありません。 Python のメモリ管理は、インタープリタとオペレーティングシステムによって共同で管理され、特定のメモリ割り当てとリサイクルのタイミングは、ガベージコレクターのアルゴリズムやシステムメモリの使用量など、さまざまな要因にも影響されます。

上記の例では、a オブジェクトを削除し、ガベージコレクションのために gc.collect() を呼び出すと、Python インタープリターは aオブジェクトによって占有されているメモリはリサイクル可能としてマークされ、ガベージコレクターのリサイクル対象リストに追加されます。ただし、これはメモリがすぐに再利用されるという意味ではなく、ガベージコレクターによる次のコレクション中にクリーンアップされます。

また、Python のメモリ管理は遅延割り当て機構を採用しているため、a オブジェクトが占有しているメモリが再利用されたとしても、すぐにメモリ空間が解放されるわけではありません。つまり、Python は、追加のメモリを適用する必要がある場合にのみ、オペレーティングシステムに新しいメモリ領域の割り当てを要求します。したがって、上記の例では、a オブジェクトのメモリ空間は再利用されている可能性がありますが、そのメモリ空間は将来の使用のために Python インタープリタによって予約されている可能性があるため、不必要なメモリ割り当てと割り当て解除のオーバーヘッドが回避されます。

なお、a、b、c の 3 つのオブジェクトのメモリアドレスが重複していなくても、スペースは重複しません。これは、Python のメモリ管理方式がオブジェクト単位で割り当て管理されるため、各オブジェクトが占有するメモリ空間が不連続となり、異なるオブジェクトのメモリ空間が部分的に重なる場合があるためです。