Python的内存管理机制

引入计数

在Python中，每个对象都有指向该对象的引用总数---引用计数

查看对象的引用计数：sys.getrefcount()

import sys
alist=['a','b','c']
>>> sys.getrefcount(alist)
2
>>> b=alist
>>> sys.getrefcount(alist)
3

【引用计数增加】

   1、对象被创建

>>> sys.getrefcount('abc')
31
>>> n='abc'
>>> sys.getrefcount('abc')
32

   2、对象被引用

>>> m=n
>>> sys.getrefcount('abc')
33

   3、作为容器对象的一个元素

>>> a=[1,12,'abc']
>>> sys.getrefcount('abc')
34

【引用计数减少】

1、对象的别名被显式的销毁

>>> del m
>>> sys.getrefcount('abc')

2、对象的一个别名被赋值给其他对象

>>> n=456
>>> sys.getrefcount('abc')
32

3、对象从一个窗口对象中移除，或，窗口对象本身被销毁

>>> a.remove('abc')
>>> sys.getrefcount('abc')
31

垃圾回收

当Python中的对象越来越多，占据越来越大的内存，启动垃圾回收(garbage collection)，将没用的对象清除。

1、原理

当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾。比如某个新建对象，被分配给某个引用，对象的引用计数变为1。如果引用被删除，对象的引用计数为0，那么该对象就可以被垃圾回收。

2、解析del

del a后，已经没有任何引用指向之前建立的[321,123]，该表引用计数变为0，用户不可能通过任何方式接触或者动用这个对象，
当垃圾回收启动时，Python扫描到这个引用计数为0的对象，就将它所占据的内存清空。

3、注意

       1）、垃圾回收时，Python不能进行其它的任务，频繁的垃圾回收将大大降低Python的工作效率；
　　2）、Python只会在特定条件下，自动启动垃圾回收（垃圾对象少就没必要回收）
　　3）、当Python运行时，会记录其中分配对象(object allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动

import gc
gc.disable()  # 暂停自动垃圾回收.
gc.collect()  # 执行一次完整的垃圾回收, 返回垃圾回收所找到无法到达的对象的数量.
gc.set_threshold()  # 设置Python垃圾回收的阈值.
gc.set_debug()  # 设置垃圾回收的调试标记. 调试信息会被写入std.err
gc.get_threshold()　　#gc模块中查看阈值的方法

内存池机制

Python中有分为大内存和小内存：（256K为界限分大小内存）
1、大内存使用malloc进行分配
2、小内存使用内存池进行分配
3、Python的内存池(金字塔)

第3层：最上层，用户对Python对象的直接操作
第1层和第2层：内存池，有Python的接口函数PyMem_Malloc实现-----若请求分配的内存在1~256字节之间就使用内存池管理系统进行分配，调用malloc函数分配内存，但是每次只会分配一块大小为256K的大块内存，不会调用free函数释放内存，将该内存块留在内存池中以便下次使用。
第0层：大内存-----若请求分配的内存大于256K，malloc函数分配内存，free函数释放内存。
第-1，-2层：操作系统进行操作