Python 的“停止世界”式暂停能有多严重？

编程时，我们需要分配内存，然后释放它。如果你用 C 语言编程，你会习惯使用 malloc/free 函数。但遗憾的是，这会让你容易受到内存泄漏（即无法回收的内存）的影响。如今，大多数流行的编程语言都使用自动内存管理机制，例如 Java、JavaScript、Python、C#、Go、Swift 等等。

自动内存管理主要有两种类型。最简单的方法是引用计数。它跟踪每个对象的引用数。当一个对象不再被任何对象引用时，就可以释放与其关联的内存。Swift 和 Python 都使用引用计数。引用计数的缺点是循环引用。例如，主程序可能引用了对象 A，然后添加了对象 B，对象 B 又引用了对象 A，并且对象 A 也引用了对象 B。这样，对象 B 就有一个引用，而对象 A 有两个引用。如果主程序释放了对对象 A 的引用，对象 A 和对象 B 的引用计数仍然为 1。然而，它们本应被释放。为了解决这个问题，可以遍历所有对象来检测哪些对象不可达，包括对象 A 和对象 B。但是，这样做很耗时。因此，另一种流行的自动内存管理方法是分代垃圾回收。它利用了大多数内存会在分配后很快被释放的特性。因此，需要跟踪年轻的对象并定期访问它们。然后，在极少数情况下，进行一次全内存扫描。分代垃圾回收的缺点在于，典型的实现方式会暂停整个程序进行内存扫描。在很多情况下，整个程序都会停止运行。经过数十年的研究，分代垃圾回收的实现方式有很多种。

常见的 Python 实现同时包含引用计数和分代垃圾回收两种机制。分代垃圾回收机制可能会触发服务暂停。很多服务器都是用 Python 编写的，这意味着你的服务可能会暂时不可用。我们通常把这种暂停称为“世界停止”暂停。那么，这种暂停会持续多久呢？

为了验证这一点，我编写了一个 Python 函数来创建一个经典的链表：

 class Node : def __init__ ( self , value ): self . value = value self . next = None def add_next ( self , node ): self . next = node def create_linked_list ( limit ): """ create a linked list of length 'limit' """ head = Node ( 0 ) current = head for i in range ( 1 , limit ): new_node = Node ( i ) current . add_next ( new_node ) current = new_node return head然后我创建一个大的链表，然后，在一个紧密的循环中，我们创建一些小的链表，这些小的链表会立即被丢弃。 class Node : def __init__ ( self , value ): self . value = value self . next = None def add_next ( self , node ): self . next = node def create_linked_list ( limit ): """ create a linked list of length 'limit' """ head = Node ( 0 ) current = head for i in range ( 1 , limit ): new_node = Node ( i ) current . add_next ( new_node ) current = new_node return head

 x = create_linked_list ( 50_000_000 ) for i in range ( 1000000 ): create_linked_list ( 1000 )我的代码的一个关键特点是使用了包含 5000 万个元素的链表。该链表直到程序结束才会释放，但垃圾回收器仍有可能对其进行检查。 x = create_linked_list ( 50_000_000 ) for i in range ( 1000000 ): create_linked_list ( 1000 )

我记录循环中两次迭代之间的最大延迟（使用time.time() ）。

情况会变得多糟糕？答案取决于 Python 版本，而且每次运行结果都不一样。所以我只运行了一次，并选取了当时的结果。我以毫秒为单位表示延迟时间。

几乎所有的延迟（例如 320 毫秒）都是由垃圾回收造成的。创建一个包含 1000 个元素的链表只需要不到一毫秒的时间。

320毫秒有多长？它是三分之一秒，所以人眼完全可以察觉到。作为参考，一款每秒刷新60次的视频游戏，每次刷新屏幕所需的时间不到17毫秒。而2200毫秒的延迟，从用户的角度来看，可能看起来像是服务器崩溃，并且很可能会触发超时（请求失败）。

我把 Python 程序移植到了 Go 语言。算法是一样的，但直接比较可能不太公平。不过，它仍然可以作为参考。

因此，Go 的暂停时间比 Python 短好几倍，不会出现灾难性的 2 秒暂停。

这些停顿需要担心吗？大多数 Python 程序不会同时在内存中创建这么多对象。因此，如果您使用的是简单的 Web 应用或脚本，则不太可能遇到这些长时间的停顿。Python 提供了一些选项，例如gc.set_threshold和gc.freeze ，可以帮助您调整程序的行为。

我的源代码是公开的。

原文： https://lemire.me/blog/2026/02/15/how-bad-can-python-stop-the-world-pauses-get/