为什么 Python Ref Counts to small integers 高得惊人？答案

【问题标题】：Why are Python Ref Counts to small integers surprisingly high?为什么 Python Ref Counts to small integers 高得惊人？
【发布时间】：2016-07-07 19:26:23
【问题描述】：

在this 的回答中，我找到了一种方法来获取 Python 中对象的引用计数。

他们提到使用sys.getrefcount()。我试过了，但我得到了意想不到的结果。当有 1 个引用时，似乎计数为 20。这是为什么呢？

我查看了documentation，但似乎无法解释原因。

【问题讨论】：

试试sys.getrefcount(257)，它可能会明显下降。
真奇怪，我从来没有用 257 创建过 var。为什么它返回 3？
也试试sys.getrefcount("Valerie")。（与此处的其他评论者保持同步）
再次说明实现细节，但从 -5 到 257 的小整数被保留，因此该范围的引用计数会高得多
谢谢大家，刚刚学到了很多关于python的知识。我想这些是他们在 Hello World 教程中跳过的内容:)

标签： python python-3.x reference-counting

【解决方案1】：

对一个对象有很多引用有很多原因。追查哪一个可能是困难的，并决定它是否值得，可能会绕过你的兴趣水平。引用计数是调试应用程序和 Python 变体的开发人员的主要兴趣所在。

Python 试图为每个引用只保留一个实际值。因此，您在示例中拥有的 100 将与递归调用的某些内部限制相同的 100 或与当前循环索引相同的 100 相同。
Python 保留对一些常见对象的额外引用，包括低整数。对 1,234,567 的引用计数与对 20 的计数不同。
许多函数会记住并保留对最近参数的引用。
一些解释器保留对最近值和最近行中引用的值的引用。例如，之前的返回值存储在“_”中。这意味着在解释器中运行和从命令行运行会给出不同的答案。
与所有引用计数方案一样，也存在错误。例如，PyTuple_GetItem() 有一些值得怀疑的选择。

在 PyPi、C-Python 和 IPython 中，确切的引用计数和这些计数的含义会有所不同。引用计数很少是在 Python 中发现奇怪行为的好工具。

【讨论】：

【解决方案2】：

在第一次调用sys.getrefcount 时，该对象恰好有20 次引用。这不仅仅是您创建的引用；在其他模块和 Python 内部，还有各种其他对它的引用，因为（这是一个实现细节）Python 的标准实现只创建一个 100 对象并将其用于所有出现的 100 Python 程序。

【讨论】：

更相关的是，如果您创建自己的对象（列表、元组、类实例），您将获得预期的行为。

【解决方案3】：

阅读Python2.7的源代码很有趣，它写得很好，读起来很清楚。（如果你想在家玩，我指的是 2.7.12 版本。）理解代码的一个好地方是优秀的系列讲座：C Python Internals，它从初学者的角度开始。

与我们相关的关键代码（用 C 编写）出现在文件“Objects/intobject.c”中（为了清楚起见，我删除了一些#ifdef 代码并稍微修改了新 Integer 对象的创建）：

    #define NSMALLPOSINTS           257
    #define NSMALLNEGINTS           5
    static PyIntObject *small_ints[NSMALLNEGINTS + NSMALLPOSINTS];

    PyObject *
    PyInt_FromLong(long ival)
    {
        register PyIntObject *v;
        if (-NSMALLNEGINTS <= ival && ival < NSMALLPOSINTS) {
            v = small_ints[ival + NSMALLNEGINTS];
            Py_INCREF(v);
            return (PyObject *) v;
        }
        /* Inline PyObject_New */
        v = (PyIntObject *)Py_TYPE(v);
        PyObject_INIT(v, &PyInt_Type);
        v->ob_ival = ival;
        return (PyObject *) v;
    }

所以本质上它会创建一个包含从 -5 到 256 的所有数字的预设数组，并尽可能使用这些对象（使用 Py_INCREF 宏增加它们的引用计数）。如果没有，它将创建一个全新的 PyInt_Type 对象，该对象的引用计数为 1。

为什么每个数字的引用计数似乎都是 3（实际上几乎是任何新对象）的奥秘只有在您查看 Python 生成的字节码时才会揭开。虚拟机使用值栈（有点像 Forth 中的）运行，每次将对象放入值栈时，它都会增加引用计数。

所以我怀疑正在发生的事情是您的代码本身提供了您看到的所有 3 个引用，因为对于不在小值列表中的数字，您应该得到一个唯一的对象。第一个引用大概在 getrefcount 的调用者调用时的值堆栈中；第二个在 getrefcount 帧的局部变量列表中；第三个可能在 getrefcount 帧中的值堆栈上，同时它会查找其引用计数。

如果您想进一步研究问题，一个有用的工具是“编译”命令和“dis”模块中的“dis”命令（反汇编），它们一起允许您读取实际字节由任何一段 Python 代码生成的代码，并且应该可以帮助您准确了解创建第三个引用的时间和地点。

对于小值的较高引用计数，当您启动 Python 时，它会自动加载整个标准库并在您开始解释自己的代码之前运行大量 Python 模块初始化代码。这些模块拥有自己的副本，其中包含许多小整数（以及也是唯一的 None 对象）。

【讨论】：

注意：在 python3 中：该数字已降至 2。