[Python] 가비지 컬렉션: refcount + 순환 GC
정의
CPython의 메모리 관리는 두 메커니즘의 조합이다.
- Reference counting: 모든 객체에 참조 카운트(
ob_refcnt)가 있고, 카운트가 0이 되면 즉시 해제. 즉각적이지만 순환 참조 못 잡음. - Generational cyclic GC: 순환 참조를 주기적으로 감지·해제.
gc모듈로 제어.
PyPy, Jython 등 다른 구현은 다른 방식(tracing GC 위주) 사용.
Reference counting
import sys
a = [1, 2, 3]
print(sys.getrefcount(a)) # 2 (a 변수 + getrefcount 인자)
b = a
print(sys.getrefcount(a)) # 3
del b
print(sys.getrefcount(a)) # 2- 새 참조 만들 때
Py_INCREF(C 매크로) - 참조 사라질 때
Py_DECREF, 0이면 즉시__del__호출 후 해제
장점: 즉시 해제 (메모리 평탄), 캐시 친화적. 단점: 매 연산마다 카운터 갱신 비용, 순환 참조 못 잡음.
순환 참조
a = []
b = [a]
a.append(b)
# a → b → a (순환)
del a, b
# refcount 둘 다 0이 안 됨 → 메모리 누수객체 안에 다른 객체 참조가 있고 그게 다시 자기 자신으로 돌아오는 구조.
Generational GC
이 순환을 잡는 게 gc 모듈. 세대(generation) 0, 1, 2로 객체를 분류해 새로 만들어진 객체일수록 자주 검사.
import gc
print(gc.get_threshold()) # (700, 10, 10)
# gen 0이 700회 할당 후 GC 실행
# gen 1은 gen 0 GC가 10번 일어날 때마다
# gen 2는 gen 1 GC가 10번 일어날 때마다세대 가정: 새 객체는 곧 죽거나 오래 산다. 오래 산 객체는 검사 빈도 낮춤.
GC 동작 확인
import gc
class Node:
pass
gc.disable()
a, b = Node(), Node()
a.ref = b
b.ref = a
del a, b
print(gc.collect()) # 회수된 객체 수
gc.enable()직접 조작
gc.disable() # 자동 GC 끄기
gc.enable()
gc.collect() # 수동 실행
gc.get_count() # 현재 세대별 객체 수
gc.get_objects() # 모든 추적 중인 객체 (디버깅용)
gc.set_threshold(0) # 자동 GC 사실상 중단대량 객체를 일시적으로 만들 때 GC를 잠시 꺼서 처리량 향상시키는 패턴 있음.
del
객체가 해제될 때 호출. 의존하지 말 것.
class Resource:
def __del__(self):
print("releasing")
r = Resource()
del r # "releasing"
# 그러나 순환 참조 안에 있으면 호출 시점 불확실함정:
- 호출 시점 보장 X (특히 순환 안에 있을 때)
__del__안에서 예외 발생하면 무시됨 (stderr에 경고만)- C 확장 라이브러리에선 종종 호출 안 됨
→ 자원 정리는 __del__ 대신 context manager + close 메서드 권장.
weakref
순환 참조 깨는 표준 방법. 약한 참조는 refcount를 증가시키지 않는다.
import weakref
class Node:
def __init__(self, name):
self.name = name
a = Node("A")
ref = weakref.ref(a)
print(ref()) # <Node 'A'>
print(ref() is a) # True
del a
print(ref()) # None (a 해제됨)<__main__.Node object at 0x...>
True
Noneweakref 활용 사례
import weakref
class Parent:
def __init__(self):
self.children = []
class Child:
def __init__(self, parent):
self.parent = weakref.ref(parent) # 약한 참조
p = Parent()
c = Child(p)
p.children.append(c)
# 순환 없음 (p → c는 강, c → p는 약)WeakValueDictionary
값을 약한 참조로. 다른 곳에서 참조가 사라지면 자동 제거.
import weakref
cache = weakref.WeakValueDictionary()
obj = ExpensiveObject()
cache["key"] = obj
# obj가 외부에서 사라지면 cache에서도 자동 제거__slots__와 GC
__slots__ 클래스는 __dict__가 없어 메모리 절감(40-50%). GC 행동에는 영향 없음.
class Tight:
__slots__ = ("x", "y")
import sys
print(sys.getsizeof(Tight())) # 48
class Loose: pass
print(sys.getsizeof(Loose())) # 16 + __dict__ 280 정도자주 보는 메모리 패턴
1. 대용량 자료 잡고 있는 함수 종료 후 GC
def load_then_use():
data = load_huge_csv() # 1GB
result = process(data)
del data # 즉시 풀어주기
gc.collect() # 순환 참조 있다면
return summarize(result)함수 종료 시 로컬 변수는 자동 해제되지만, 중간에 del로 빠르게 풀고 다른 큰 작업 시작 가능.
2. 누수 디버깅
import gc, sys
# 의심되는 클래스의 인스턴스 추적
gc.collect()
instances = [o for o in gc.get_objects() if isinstance(o, MyClass)]
print(len(instances))
# 누구가 참조하는지
print(gc.get_referrers(instances[0]))objgraph, tracemalloc 라이브러리가 시각화에 유용.
3. tracemalloc
표준 라이브러리 메모리 프로파일러.
import tracemalloc
tracemalloc.start()
load_huge_csv()
snapshot = tracemalloc.take_snapshot()
top = snapshot.statistics("lineno")[:10]
for stat in top:
print(stat)free-threaded Python (3.13+)
PEP 703에서 GIL을 제거하면서 refcount의 thread-safe 변형(biased reference counting)을 도입. GC 메커니즘은 본질적으로 유지되나 동기화 비용 증가. 자세한 건 py-gil 참고.
다른 구현체
- PyPy: 추적 기반 GC (refcount 없음). 단일 객체 해제 지연되지만 throughput 향상.
- Jython: JVM GC 사용. 자동으로 모든 순환 처리,
__del__시점 더 예측 불가. - MicroPython: 임베디드용, mark-and-sweep + 작은 객체용 별도 풀.
💬 댓글