Python 内存管理与垃圾回收优化与实践指南

import ctypes
​
# 分配内存
buffer = ctypes.create_string_buffer(10)
​
# 释放内存
del buffer

# 示例代码：引用计数
import sys
​
a = [1, 2, 3]
print(sys.getrefcount(a))  # 输出对象的引用计数
b = a
print(sys.getrefcount(a))  # 引用增加
del b
print(sys.getrefcount(a))  # 引用减少

# 示例代码：垃圾回收
import gc
​
# 手动触发垃圾回收
gc.collect()

# 示例代码：避免大对象的复制
a = [1, 2, 3, 4, 5]
b = a[:]  # 使用切片复制列表

# 示例代码：使用生成器表达式
sum_of_squares = sum(x * x for x in range(10))

# 示例代码：使用tracemalloc模块进行内存分析
import tracemalloc
​
tracemalloc.start()
​
# 执行代码
# ...
​
snapshot = tracemalloc.take_snapshot()
top_stats = snapshot.statistics('lineno')
​
print("[ Top 10 ]")
for stat in top_stats[:10]:
    print(stat)

# 示例代码：使用生成器
def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b
​
fib = fibonacci()
for _ in range(10):
    print(next(fib))

# 示例代码：使用集合去重
data = [1, 2, 3, 1, 2, 4, 5]
unique_data = set(data)

# 示例代码：避免不必要的全局变量
def calculate_sum(numbers):
    total = 0  # 使用局部变量
    for num in numbers:
        total += num
    return total

# 示例代码：使用zlib压缩数据
import zlib

data = b'Lorem ipsum dolor sit amet, consectetur adipiscing elit.'
compressed_data = zlib.compress(data)

# 示例代码：使用弱引用打破循环引用
import weakref

class Node:
    def __init__(self, value):
        self.value = value
        self.next = None

# 创建循环引用
node1 = Node(1)
node2 = Node(2)
node1.next = node2
node2.next = node1

# 使用弱引用
weak_node1 = weakref.ref(node1)
weak_node2 = weakref.ref(node2)

# 示例代码：减少全局变量的使用
def process_data(data):
    result = perform_calculation(data)
    # 处理结果
    return result

# 示例代码：利用内置函数和库
import timeit

start_time = timeit.default_timer()

# 执行代码

end_time = timeit.default_timer()
execution_time = end_time - start_time
print("Execution Time:", execution_time)

# 示例代码：使用适当的数据结构和算法
from collections import deque

queue = deque(maxlen=10)
for i in range(10):
    queue.append(i)

# 示例代码：使用pdb调试器
import pdb

def divide(x, y):
    result = x / y
    return result

pdb.set_trace()  # 设置断点
result = divide(10, 0)

# 示例代码：监控内存使用
import psutil

def monitor_memory_usage():
    process = psutil.Process()
    memory_usage = process.memory_info().rss / 1024 / 1024  # 获取内存使用情况（MB）
    return memory_usage

print("Memory Usage:", monitor_memory_usage(), "MB")

# 示例代码：线程安全的内存管理
from threading import Lock

lock = Lock()

def thread_safe_increment():
    lock.acquire()
    try:
        # 执行线程安全操作
        pass
    finally:
        lock.release()

# 示例代码：异步编程中的内存管理
import asyncio

async def main():
    # 异步任务
    pass

asyncio.run(main())