文章插图
作者 | 头文件
来源 | 程序员小灰
Python作为一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言，与大多数编程语言不同，Python中的变量无需事先申明，变量无需指定类型，程序员无需关心内存管理，Python解释器给你自动回收 。开发人员不用过多的关心内存管理机制，这一切全部由Python内存管理器承担了复杂的内存管理工作 。
内存不外乎创建和销毁两部分，本文将围绕Python的内存池和垃圾回收两部分进行分析 。
Python内存池
1、为什么要引入内存池（why）当创建大量消耗小内存的对象时，频繁调用new/malloc会导致大量的内存碎片，致使效率降低 。内存池的作用就是预先在内存中申请一定数量的，大小相等的内存块留作备用，当有新的内存需求时，就先从内存池中分配内存给这个需求，不够之后再申请新的内存 。这样做最显著的优势就是能够减少内存碎片，提升效率 。
python中的内存管理机制为Pymalloc
2、内存池是如何工作的（how）首先，我们看一张CPython(python解释器)的内存架构图：
文章插图
- Python的对象管理主要位于Level+1~Level+3层
- Level+3层：对于python内置的对象（比如int,dict等）都有独立的私有内存池，对象之间的内存池不共享，即int释放的内存，不会被分配给float使用
- Level+2层：当申请的内存大小小于256KB时，内存分配主要由 Python 对象分配器（Python’s object allocator）实施
- Level+1层：当申请的内存大小大于256KB时，由Python原生的内存分配器进行分配，本质上是调用C标准库中的malloc/realloc等函数
关于释放内存方面，当一个对象的引用计数变为0时，Python就会调用它的析构函数 。调用析构函数并不意味着最终一定会调用free来释放内存空间，如果真是这样的话，那频繁地申请、释放内存空间会使Python的执行效率大打折扣 。因此在析构时也采用了内存池机制，从内存池申请到的内存会被归还到内存池中，以避免频繁地申请和释放动作 。
垃圾回收机制Python的垃圾回收机制采用引用计数机制为主，标记-清除和分代回收机制为辅的策略 。其中，标记-清除机制用来解决计数引用带来的循环引用而无法释放内存的问题，分代回收机制是为提升垃圾回收的效率 。
1、引用计数Python通过引用计数来保存内存中的变量追踪，即记录该对象被其他使用的对象引用的次数 。
Python中有个内部跟踪变量叫做引用计数器，每个变量有多少个引用，简称引用计数 。当某个对象的引用计数为0时，就列入了垃圾回收队列 。
-
>>> a=[1,2]
-
>>> importsys
-
>>> sys.getrefcount(a) ## 获取对象a的引用次数
-
2
-
>>> b=a
-
>>> sys.getrefcount(a)
-
3
-
>>> delb ## 删除b的引用
-
>>> sys.getrefcount(a)
-
2
-
>>> c=list
-
>>> c.Append(a) ## 加入到容器中
-
>>> sys.getrefcount(a)
-
3
-
>>> delc ## 删除容器，引用-1
-
>>> sys.getrefcount(a)
-
2
-
>>> b=a
-
>>> sys.getrefcount(a)
-
3
-
>>> a=[3,4] ## 重新赋值
-
>>> sys.getrefcount(a)
-
2
注意：当把a作为参数传递给getrefcount时，会产生一个临时的引用，因此得出来的结果比真实情况+1
- 引用计数增加的情况：
- 一个对象被分配给一个新的名字（例如：a=[1,2]）
- 将其放入一个容器中（如列表、元组或字典）（例如：c.append(a)）
- 引用计数减少的情况：
