Πώς διαχειρίζεται η Python τη μνήμη και τη συλλογή απορριμμάτων;

Question

Accepted Answer

Η Python διαχειρίζεται τη μνήμη **αυτόματα** χρησιμοποιώντας δύο μηχανισμούς: **reference counting** (η κύρια μέθοδος) συν έναν **cyclic garbage collector** που χειρίζεται κύκλους αναφορών. Δεν ελευθερώνετε ποτέ τη μνήμη με το χέρι, αλλά η κατανόηση του τρόπου λειτουργίας εξηγεί τη συμπεριφορά της μνήμης και τις διαρροές.

## Reference counting — ο κύριος μηχανισμός

```python
import sys

x = [1, 2, 3]        # the list object has refcount 1
y = x                 # refcount 2 (another name references it)
sys.getrefcount(x)    # shows the count (slightly higher due to the call itself)

del y                 # refcount 1
del x                 # refcount 0 → the object is FREED immediately
```

Κάθε αντικείμενο παρακολουθεί πόσες αναφορές δείχνουν σε αυτό. Όταν το count πέσει στο **μηδέν**, η μνήμη ελευθερώνεται **αμέσως**. Αυτό είναι ντετερμινιστικό και άμεσο — τα αντικείμενα καταστρέφονται μόλις δεν υπάρχουν αναφορές σε αυτά.

## Το πρόβλημα: κύκλοι αναφορών

```python
# reference counting alone can't free this:
a = {}
b = {}
a["b"] = b      # a references b
b["a"] = a      # b references a → they reference EACH OTHER
del a, b        # the names are gone, but the objects still reference each other
# → refcounts never reach 0 → they'd leak with refcounting alone
```

Δύο αντικείμενα που αναφέρονται το ένα στο άλλο διατηρούν τα refcount του καθενός πάνω από το μηδέν ακόμα και όταν είναι απρόσιτα — ένας κύκλος που το καθαρό reference counting δεν μπορεί να συλλέξει.

## Ο cyclic garbage collector

```python
import gc

# the generational GC periodically finds and frees unreachable CYCLES
gc.collect()        # manually trigger a collection
gc.get_count()      # objects tracked per generation
```

Ο συπληρωματικός **generational garbage collector** της Python ανιχνεύει και ελευθερώνει περιοδικά αυτούς τους απρόσιτους κύκλους. Είναι *generational* — τα νεότερα αντικείμενα ελέγχονται πιο συχνά (τα περισσότερα αντικείμενα πεθαίνουν νέα), το οποίο είναι αποδοτικό.

## Πρακτικές συνέπειες & πηγές διαρροών

```text
✓ Most memory is reclaimed promptly via reference counting
⚠️ Leaks still happen from REACHABLE references that outlive their usefulness:
   - global caches/lists that only grow
   - objects held by long-lived closures or class attributes
   - registered callbacks/listeners never removed
```

Ο GC χειρίζεται τους κύκλους, αλλά δεν μπορεί να ελευθερώσει αντικείμενα που είναι ακόμα *προσιτά* — η συνηθισμένη διαρροή μνήμης στον πραγματικό κόσμο είναι η ακούσια διατήρηση ζωντανών αναφορών (π.χ. μια συνεχώς αυξανόμενη global cache).

## Άλλες λεπτομέρειες

```text
- Small integers (-5..256) and short strings are CACHED/interned (shared, reused)
- CPython uses memory pools (pymalloc) for small objects (efficiency)
```

## Γιατί αυτό έχει σημασία

Η κατανόηση του μοντέλου μνήμης της Python — άμεσο reference counting συν έναν cyclic GC — εξηγεί τις πραγματικές συμπεριφορές: γιατί τα αντικείμενα συνήθως ελευθερώνονται αμέσως, γιατί οι κύκλοι αναφορών χρειάζονται τον GC, και σημαντικά γιατί οι "διαρροές μνήμης" στην Python προέρχονται από *προσιτές* αναφορές (αυξανόμενες caches, παραμένουσες closures, απομακρυσμένες callbacks) παρά από ξεχασμένες ελευθερώσεις.

Αυτή η γνώση είναι απαραίτητη για την διάγνωση της αύξησης της μνήμης σε υπηρεσίες που εκτελούνται για μεγάλο χρονικό διάστημα και για τη σύνταξη κώδικα που λαμβάνει υπόψη τη μνήμη — γνωρίζοντας ότι η λύση είναι συνήθως διακοπή αναφορών (οριοθέτηση caches, εκκαθάριση εγγραφών) παρά οτιδήποτε που μπορεί να κάνει ο GC για εσάς.