Python内存管理机制

Python内存管理

一、引用计数：
引用计数机制：python内部使用引用计数来保持追踪内存中的变量，所有对象都有引用计数；

增加引用计数的情况：
1，将对象分配别名；
2，将对象作为一个元素，放入容器中，例如列表、元组或字典；
3，被作为参数传递给函数；

引用计数减少的情况：
1，一个本地引用离开了它的作用域，例如作为函数参数执行完毕；
2，使用del语句对对象别名显示的销毁；
3，对象的别名被分配给了别的对象；
4，对象从一个容器对象中被移除，或容器对象本身被销毁；
5，引用超出作用域；

二、垃圾回收机制：
1、当一个对象的引用计数为零时，它将被垃圾收集机制处理掉；
2、除了引用计数为0的会被清除，还有一种情况也会被垃圾收集器清掉：当两个对象相互引用时，他们本身其他的引用已经为0了；
3、当两个对象a和b相互引用时，del语句可以减少a和b的引用计数，并销毁用于引用底层对象的名称。然而由于每个对象都包含一个对其他对象的应用，因此引用计数不会归零，对象也不会销毁。（从而导致内存泄露）。为解决这一问题，解释器会定期执行一个循环检测器，搜索不可访问对象的循环并删除它们。

三、内存池机制：
Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统。
1、Pymalloc机制。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。
2、Python中所有小于256个字节的对象都使用pymalloc实现的分配器，而大的对象则使用系统的malloc。
3、对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。
4、在Python中，许多时候申请的内存都是小块的内存，这些小块内存在申请后，很快又会被释放，由于这些内存的申请并不是为了创建对象，所以并没有对象一级的内存池机制。
这就意味着Python在运行期间会大量地执行malloc和free的操作，频繁地在用户态和核心态之间进行切换，这将严重影响Python的执行效率。