python - Python/C API 中的内存泄漏和引用计数

Question

我对 Python 及其 C API 还很陌生。我仍然不明白引用计数是如何工作的。我编写了一个用于粒子跟踪的模块，该模块向 python 公开了我过去编写和测试的许多 C++ 线程跟踪函数。 (据我所知，他们本身没有内存泄漏)。

当我从 Python 中重复调用其中一个函数时，我可以看到内存使用量正在缓慢增长。我相信某处存在内存泄漏(可能到处都是:O)我复制了主跟踪函数的相关片段，以便有人可以指出我是否应该调用 Py_DECREFs(例如，在 item_py 上？)

PyObject* _track_particles() {

        // more code here ... (no Python/C API  calls) 

        PyObject* result_py = PyTuple_New(particles.size());
        for(int i=0; i<particles.size(); ++i) {
            PyObject* item_py = PyTuple_New(2);
            if (lost_at_turn_idx[i] == PARTICLE_NOT_LOST) {
                int offset = i * (nr_turns+1) * 6 + nr_turns * 6;
                PyTuple_SetItem(item_py, 0, Py_True);
                PyTuple_SetItem(item_py, 1, Py_BuildValue("(dddddd)", 
                            data_out[offset + rx], data_out[offset + px],   
                            data_out[offset + ry], data_out[offset + py],
                            data_out[offset + de], data_out[offset + dl]));
            } else {
                PyTuple_SetItem(item_py, 0, Py_False);
                PyTuple_SetItem(item_py, 1, 
                        Py_BuildValue("(ii)", lost_at_turn_idx[i], 
                                              lost_at_element_idx[i]));
            }
            PyTuple_SetItem(result_py, i, item_py);
        }       
        return result_py;
    }

ps:找到this reference有用的

Answer 1

是this相关吗？

Use t = PyTuple_New(n) instead, and fill it with objects using PyTuple_SetItem(t, i, o) – note that this "eats" a reference count of o, so you have to Py_INCREF() it.

我不完全确定这段话是否清楚，但这可能是一个很好的起点。