python函数中的内存何时释放_Python

python函数中的内存何时释放

python

python函数中的内存何时释放,python,Python,我有以下代码： f = open(file).readlines() # 2GB file for item in f: print f # some other stuff g = open(file2).readlines() # 3 GB file for item in g: print g g的内存何时释放？对于f呢？如果没有释放，我该怎么做？假设是整个程序，在这两种情况下，内存将保留到程序终止您可以通过添加以下内容来加快速度： f = None 在第一个循

我有以下代码：

f = open(file).readlines() # 2GB file
for item in f:
    print f

# some other stuff

g = open(file2).readlines() # 3 GB file
for item in g:
    print g

的内存何时释放？对于

呢？如果没有释放，我该怎么做？

假设是整个程序，在这两种情况下，内存将保留到程序终止

您可以通过添加以下内容来加快速度：

 f = None

在第一个循环之后。这将允许（但不要求）垃圾收集清理前2Gb

不过，最好采用一种不需要将整个magilla读入内存的文件处理方法。

假设这是整个程序，在这两种情况下，内存将保留到程序终止

您可以通过添加以下内容来加快速度：

 f = None

在第一个循环之后。这将允许（但不要求）垃圾收集清理前2Gb

不过，采用一种不需要将整个magilla读入内存的文件处理方法要好得多

何时从g释放内存

这取决于你所说的“自由”是什么意思

从Python的角度来看，它不是。只要您有一些可以随时使用的列表引用（您在变量

中这样做），它就不能被释放。否则，如果以后尝试使用

，会发生什么情况？但是Python的观点并不是基于计算机中的实际RAM芯片。你的操作系统让每个程序都假装拥有比它所需要的更多的内存；有关这方面的更多信息，请参见下面的内容，但现在让我们继续使用Python的视图

如果放弃对该列表的所有引用，例如，通过从当前作用域返回，或将其他内容分配给

，或执行

delg

（所有操作都假定该引用是唯一的引用），则可以释放用于该列表的所有内存。（在CPython中，通常会立即发生；在其他实现中，通常只是“很快”。）

但“释放”并不意味着“回到操作系统”。一般来说，它将保留在一个自由列表中（实际上，是几个不同级别的自由列表），前提是如果您现在想要3GB，您很可能会再次想要3GB，因此Python也可以保留存储，因为这比重新分配快。（因此，如果您在创建

之前释放了

，那么

将从自由列表中取出大部分2GB，只分配另外1GB。）

但“不返回操作系统”并不意味着“连接到物理内存”。在这里我们可以看到Python视图和硬件视图之间的区别。如果您只有（比如）8GB的物理RAM，并且有6个程序同时拥有12GB的数据，那么额外的64GB放在哪里呢？它存储在磁盘上，并在下次尝试使用时从磁盘重新加载。通常情况下，它会做得很好。**因此，如果你再也不接触3GB，而系统上的其他程序需要一些内存，你的操作系统可能会将其从RAM中分页，而不会将其重新分页

另一方面，您也从不关闭文件对象。这意味着在垃圾收集器注意到没有人再使用它们之前，文件句柄仍然是打开的。同样，这通常会立即在CPython中实现，而不是在其他实现中。但不要依赖于此

close

关闭文件，或者更好地使用

with

语句

*在这里插入640K笑话

**但很容易恶意或意外地阻止它做好工作。例如，创建一个300亿整数的列表，并不断随机更改随机值，您的操作系统将花费大量时间来交换页面，以至于无法执行任何其他操作