Python的垃圾回收里，根集合具体都包含什么？

在Python的内存管理世界中，垃圾回收机制扮演着至关重要的角色，它自动地为我们管理着对象的创建与销毁，极大地提升了开发效率，而要深刻理解Python的垃圾回收，尤其是其循环引用检测机制，就必须从一个核心概念入手——根集合，它就像是垃圾回收器在内存海洋中航行的灯塔，为判断对象是否“存活”提供了最初的基准。

什么是根集合？

根集合，英文为Root Set，是垃圾回收器在进行可达性分析时的起点集合，这里的“可达性”指的是，从一个对象出发，通过引用关系，能否找到另一个对象，垃圾回收器的工作逻辑可以简化为：从根集合中的所有对象开始，沿着引用链进行遍历，所有被遍历到的对象都被标记为“可达”（或“存活”），遍历结束后，那些未被标记的对象，即从任何根都无法到达的对象，就被认为是“不可达”的垃圾,其所占用的内存可以被回收。

根集合的定义是：一组在程序运行的任意时刻都必须被认为是活跃的、不能被垃圾回收器回收的对象的集合。 它们是内存引用图的“根节点”。

根集合的具体构成

这个至关重要的根集合具体包含哪些对象呢？在主流的CPython解释器中,根集合主要由以下几个部分构成：

全局命名空间

所有在模块顶层定义的变量、函数、类等，都存储在该模块的全局命名空间（即一个字典）中，由于这些引用在模块被导入后会一直存在（除非被显式删除），因此它们天然就是根集合的一部分，只要一个对象被全局变量所引用,它就一定是可达的。

在一个my_module.py文件中定义的my_list = [1, 2, 3]，这个列表对象[1, 2, 3]就被全局变量my_list引用，因此my_list本身就是一个根,它所指向的列表对象也是可达的。

活动函数的调用栈

当一个函数被调用时，Python会为这次调用创建一个新的栈帧，其中包含了该函数的局部变量、参数等信息，只要这个函数还在执行中（即尚未返回），它的栈帧就是“活动的”,其内部的所有局部变量都构成了根集合的一部分。

def my_function():
    local_obj = MyObject() # local_obj 是一个局部引用
    # ... 函数执行中 ...
    # local_obj 是根集合的一部分，它指向的 MyObject 实例是可达的
    pass
    # 函数返回后，local_obj 这个引用从调用栈中弹出，不再属于根集合

这意味着，一个对象的存活周期与其被引用的上下文（如函数作用域）紧密相关，一旦函数执行完毕，其局部引用就从根集合中移除，除非存在其他引用链指向该对象,否则它就变成了垃圾。

CPython解释器的内部引用

除了开发者代码中显式创建的引用，CPython解释器自身为了运行也会持有一些对象的引用，这些内部引用同样是根集合的重要组成部分,主要包括：

• sys.modules：这是一个缓存了所有已导入模块的字典，只要一个模块被导入过，它就会在这个字典中有一个条目。sys.modules字典本身以及它所引用的所有模块对象，都是根,这也是为什么模块级别的全局变量会持续存活的原因。
• 所有线程的栈帧：Python支持多线程，每个线程都有自己独立的调用栈,垃圾回收器需要确保所有活动线程中的局部引用都被视为根。
• C扩展模块的引用：一些用C语言编写的Python扩展可能会直接持有对Python对象的引用，这些C级别的指针对于Python的垃圾回收器来说也是不可见的根，因此扩展开发者需要谨慎管理这些引用,遵循Python的引用计数规则。

为了更清晰地展示根集合的构成,我们可以用下表来小编总结：

理解根集合的重要性

深入理解根集合对于编写高质量、无内存泄漏的Python程序至关重要。

它是调试内存泄漏的基石，当你发现程序的内存占用持续增长时，一个常见原因就是存在意料之外的“长生命周期”引用，导致本该被回收的对象始终可达，这些引用可能是一个被遗忘添加到全局列表中的对象，或者是一个缓存模块中未被及时清理的条目，通过分析根集合以及从根出发的引用链，使用如objgraph等工具，可以精确定位到这些“顽固”的引用,从而解决内存泄漏问题。

它有助于优化性能，虽然Python的垃圾回收是自动的，但GC过程本身会消耗CPU资源，尤其是当对象数量巨大、引用关系复杂时，理解了根集合和GC的工作原理后，开发者可以编写出对GC更友好的代码，尽量避免创建大量不必要的循环引用，或者在适当的时候手动触发gc.collect(),以更可控的方式进行内存回收。

根集合是Python垃圾回收机制的逻辑起点，它由全局变量、活动调用栈以及解释器内部引用等共同构成，是判断对象存亡的“最高法院”，掌握其具体构成和工作原理，就如同获得了一副洞察Python内存管理的“X光眼镜”，能够帮助我们编写出更健壮、更高效的代码。

相关问答FAQs

Q1: 如果我在一个函数内部创建了一个对象，但函数在返回前没有把这个对象的引用返回出去或者赋值给外部变量，当函数执行完毕后，这个对象一定会被立即回收吗？

A: 不一定，当函数执行完毕，其局部变量（即对对象的引用）会从调用栈中弹出，该对象确实从根集合的角度变得“不可达”了，它不会“立即”被回收，Python的垃圾回收器（尤其是循环引用检测器）通常在特定条件下运行，比如当内存分配达到某个阈值时，这个对象会成为一个“待回收”的垃圾，等待下一次GC运行时被清理，对于仅被引用计数管理的对象（没有循环引用），其引用计数会在函数返回时减为0，此时内存会立刻被回收，但对于可能参与循环引用的对象,则需要等待循环垃圾回收器的执行。

Q2: 根集合本身会被垃圾回收吗？一个不再被使用的模块，它会不会从sys.modules中被移除，从而不再是根？

A: 这是一个很好的问题，根集合的“概念”是永恒的，GC总是需要一个起点，根集合的“内容”是动态变化的，一个模块本身可以被回收，但不是通过GC的传统方式，如果一个模块不再被任何地方引用（除了sys.modules），它依然会作为根而存活，因为sys.modules这个字典是一个持久的根，要回收一个模块，你需要手动从sys.modules中移除它（del sys.modules['my_module']），一旦移除，如果这个模块的对象再没有其他引用，它们就变得不可达了，并会在下次GC时被回收。sys.modules这个容器本身是根，但它里面的内容可以被开发者手动管理,从而间接影响对象的可达性。