Python ont une pile/tas et comment la mémoire est-elle gérée?

Comment sont variables et mémoire gérés en Python? A-t-elle d'une pile et un tas et quel algorithme est utilisé pour gérer la mémoire? Compte tenu de cette connaissance existe-il des recommandations sur la gestion de la mémoire pour un grand nombre de données/croquer?

InformationsquelleAutor Matt Alcock | 2013-01-27
  1. 101

    Comment sont variables et mémoire gérés en Python.

    Automatiquement! Non, vraiment, il vous suffit de créer un objet et le Python de la Machine Virtuelle gère la mémoire nécessaire et où il doit être placé dans la disposition de la mémoire.

    - T-il une pile et un tas et quel algorithme est utilisé pour gérer
    de mémoire?

    Quand nous parlons de l' CPython il utilise un tas privé pour stocker des objets. De la Disponible documentation de l'API C:

    De gestion de la mémoire en Python implique un tas privé contenant tous les
    Python objets et structures de données. La gestion de ce privé
    tas est assurée en interne par le Python gestionnaire de mémoire. Le Python
    gestionnaire de mémoire a différents éléments qui traitent de divers
    le stockage dynamique sur les aspects de gestion, comme le partage, la segmentation,
    preallocation ou la mise en cache.

    De la mémoire de la remise en état est principalement géré par le de comptage de référence. Qui est, le Python VM garde un journal interne de la façon dont de nombreuses références référence à un objet, et automatiquement collecte des ordures quand il n'y a pas plus de références se rapportant à elle. En outre, il est un moyen de briser les références circulaires (qui de comptage de référence ne peut pas gérer) par la détection de inaccessible "îles" des objets, un peu dans le sens inverse de la traditionnelle algorithmes de GC que d'essayer de trouver tous les accessible des objets.

    REMARQUE: Veuillez garder à l'esprit que cette information est CPython spécifiques. D'autres implémentations de python, comme pypy, iron python, jython et d'autres peuvent différer l'un de l'autre et de Disponible quand il s'agit de leur mise en œuvre dans les détails. Pour comprendre mieux, il peut aider à comprendre qu'il y a une différence entre Python, la sémantique (la langue) et de l'implémentation sous-jacente

    Donné cette connaissance existe-il des recommandations sur la gestion de la mémoire pour un grand nombre de données/croquer?

    Maintenant, je ne peux pas parler à ce sujet, mais je suis sûr que NumPy (le plus populaire de la bibliothèque python pour de nombreux calculs) a des mécanismes qui gèrent la consommation de mémoire gracieusement.

    Si vous souhaitez en savoir plus à propos de Python Internals de prendre un coup d'oeil à ces ressources:

    • Bon vous vous souligner la distinction de Python vs Disponible 😉
    • Notez que les variables locales sera effectivement les variables stockées dans l'équivalent d'un cadre de pile.
    • Python n'est pas de Java; il ne dispose pas d'une machine virtuelle; il a un interprète. Il peut sembler pédant à ce point, mais ils sont deux paradigmes différents, et cette différence a des implications importantes pour la façon dont le code est compilé et exécuté. stackoverflow.com/questions/441824/...
    InformationsquelleAutor NlightNFotis
  2. 44

    Python n'a pas tout telle chose.

    Python est le langue et ne précise pas comment exactement implémentations doit atteindre la sémantique définie par Python le langage.

    Chaque application (Disponible, PyPy, IronPython, Stackless, Python...) est libre de faire sa propre chose!

    Dans CPython, tous objets en direct sur le tas:

    De gestion de la mémoire en Python implique un tas privé contenant tous les objets Python et structures de données.1

    Le Disponible de la machine virtuelle à pile:

    >>> def g():
    x = 1
    y = 2
    return f(x, y)

>>> import dis
>>> dis.dis(g)
  2           0 LOAD_CONST           1 (1) # Push 1 onto the stack
              3 STORE_FAST           0 (x) # Stores top of stack into local var x

  3           6 LOAD_CONST           2 (2) # Push 2 onto stack
              9 STORE_FAST           1 (y) # Store TOS into local var y

  4          12 LOAD_GLOBAL          0 (f) # Push f onto stack
             15 LOAD_FAST            0 (x) # Push x onto stack
             18 LOAD_FAST            1 (y) # Push y onto stack
             21 CALL_FUNCTION        2     # Execute function with 2 
                                           # f's return value is pushed on stack
             24 RETURN_VALUE               # Return TOS to caller (result of f)

    Garder à l'esprit que ce est Disponible spécifiques. La pile ne contient pas le réelle valeurs si, il garde les références à ces objets.

    1: Source

    InformationsquelleAutor phant0m