Memory Management

পাইথনে মেমরি ম্যানেজমেন্ট অটোমেটিক হলেও একজন এক্সপার্ট ডেভেলপারের জানা উচিত ব্যাকগ্রাউন্ডে এটি কিভাবে কাজ করে। এর মাধ্যমে আপনি মেমরি লিক (Memory Leak) ঠেকাতে পারবেন এবং হাই-পারফরম্যান্স অ্যাপ্লিকেশন বানাতে পারবেন।

---

১. Reference Counting

পাইথনের মেমরি ম্যানেজমেন্টের প্রধান মেকানিজম হলো Reference Counting। যখনই আপনি কোনো অবজেক্ট তৈরি করেন, পাইথন একটি কাউন্টার রাখে যে কতজন ওই অবজেক্টকে রেফারেন্স করছে। যখন কাউন্ট ০ হয়ে যায়, পাইথন অটোমেটিক সেই মেমরি খালি করে দেয়।

import sys

x = [1, 2, 3]
print(sys.getrefcount(x)) # রেফারেন্স কাউন্ট দেখা

---

২. Garbage Collection (GC)

কখনো কখনো রেফারেন্স কাউন্টিং ফেইল করতে পারে। যেমন- Cyclic Reference (একাধিক অবজেক্ট একে অপরকে রেফারেন্স করছে কিন্তু বাইরের কেউ তাদের করছে না)। এসব ক্ষেত্রে পাইথনের বিল্ট-ইন Garbage Collector মেমরি ক্লিন করে।

import gc

# ম্যানুয়ালি ক্লিক করা (যদিও প্রয়োজন হয় না)
gc.collect()

---

৩. Slots (__slots__)

ডিফল্টভাবে পাইথন প্রতিটি অবজেক্টের ভেরিয়েবল রাখার জন্য একটি ডিকশনারি (__dict__) ব্যবহার করে, যা অনেক মেমরি খরচ করে। আপনার যদি হাজার হাজার অবজেক্ট থাকে, তবে মেমরি বাঁচাতে __slots__ ব্যবহার করা উচিত।

class Student:
    __slots__ = ['name', 'roll'] # শুধু এই দুটি ভেরিয়েবল ই থাকবে
    
    def __init__(self, name, roll):
        self.name = name
        self.roll = roll

---

৪. Generators for Memory Saving

বড় ডেটাসেট নিয়ে কাজ করার সময় লিস্ট ব্যবহার না করে জেনারেটর ব্যবহার করা মেমরি ম্যানেজমেন্টের একটি অন্যতম সেরা প্র্যাকটিস। (বিস্তারিত দেখুন লেভেল ২: Iterators & Generators)

---

৫. Weak References

কখনো কখনো আপনি একটি অবজেক্টকে ট্রাক করতে চান কিন্তু চান না যে তা রেফারেন্স কাউন্ট বাড়াক। এর জন্য weakref মডিউল ব্যবহার করা হয়। এটি ক্যাশিং (Caching) সিস্টেম তৈরির জন্য খুব প্রয়োজনীয়।

---

TIP

হাই-পারফরম্যান্স সার্ভার বা বড় ডাটা প্রসেসিং অ্যাপ্লিকেশনে gc মডিউল এবং __slots__ ব্যবহার করে মেমরি ব্যবহারের পরিমাণ অনেক কমিয়ে আনা সম্ভব।