监控Python中的引用计数

问题缘起于python-cn邮件列表的一个问题：http://groups.google.it/group/python-cn/browse_thread/thread/758891b4342eb2d9/92c12bf6acd667ac

有趣的是，为什么在Python2.4中sys.getrefcount(11111111)的结果是2，到了Python2.5中却摇身一变，变成了 3？更令人惊奇的是，如果你在Python2.5的IDLE中运行sys.getrefcount（111111），你会惊奇地发现，好了，现在的结果又 变成2了。我们知道sys.getrefcount输出的是一个对象的引用计数，为什么相同的代码，相同的对象，在不同的运行环境中的引用计数却不同了？ 原因是，我们有一个致命的疏漏。

在考察sys.getrefcount时，我们只看到了它的运行结果，但是实际上在运行的背后还有一个更加重要的幕后推手——编译。为了确认编译是否对对象的引用计数产生影响，我们来考察几个例子：

1、交互式环境下：
Python 2.5 (r25:51908, May 27 2007, 09:33:26) [MSC v.1310 32 bit (Inte
32
Type "help", "copyright", "credits" or "license" for more information.

>>> import sys
>>> sys.getrefcount(11111111)
3

2、文件方式执行 ：
[ref.py]
import sys
print sys.getrefcount(11111111)
结果如下：
F:/compile/Python-2.5/PCbuild>python ref.py
3

3、文件方式执行（避开编译影响）
[demo.py]
import ref
结果如下：
F:/compile/Python-2.5/PCbuild>python demo.py
2

由此可见，实际上多余的引用是由Python的编译过程贡献的，在1、2两种执行方式下，Python都会在开始时激活一个编译的动作；而在执行方式3下，import机制会导致产生一个ref.pyc文件，所以不会在每次执行时都会激活编译动作。

但是，但是，我们看到在Python2.5的交互式环境中和IDLE环境中，都需要进行编译，而输出的结果却不同，这又是什么原因呢？嗯，这就需要从Python的源码中找原因了。我们先来看看sys.getrefcount到底输出了个什么玩意儿：
[sysmodule.c]

static  PyObject  *
sys_getrefcount(PyObject  * self, PyObject  * arg)
... {
    if(arg != NULL && PyInt_Check(arg)) ...{
        if(PyInt_AsLong(arg) == 11111111