python内存管理和垃圾回收机制

这个知识点是面试时大多都会问到的，所以在此做整理以便加强记忆。

python的内存管理机制主要是为了有针对性地提高代码性能，接下来我们就大致了解一下：

内存管理机制

从较浅的层面来说，python的内存管理有三种：
（1）引用计数；
（2）垃圾回收；
（3）内存池。

1.引用计数

在python中，每个对象都有指向该对象的引用总数——“引用计数”。引用计数是一种非常高效的内存管理手段，当一个python对象被引用时其引用计数增加1，当其不再被引用时引用计数减1，当引用计数等于0时，对象就被删除了。
光用文字表达的话可能显得有些不够直观，在此援引别的网站图片来说明：对于C语言来讲，我们创建一个变量A时就会为该变量申请一个内存空间，并将变量值放入该空间中，当将变量赋给另一变量B时会为B申请一个新的内存空间，并将变量值放入到B的内存空间中，这也是为什么A和B的指针不一致的原因。如图：
而python的情况不一样，其处理方式类似于javascript，
如图所示，变量更像是附在对象上的标签(和引用的定义类似)，当变量被绑定在一个对象上的时候，该变量的引用计数就是1，系统会自动维护这些标签，并定时扫描，当某标签的引用计数变为0的时候，该对象就会被回收。

查看对象的引用计数：sys.getrefcount()
（1）普通引用
我们可以用getrefcount()来查看对象的引用计数。这里需要注意的一点是,当使用某个引用作为参数，传递给getrefcount()时，参数实际上创建了一个临时的引用，所以getrefcount()所得到的结果，总会比期望的多1。

import sysa = [1,2,3]
num1 = sys.getrefcount(a)
print(num1)

（2）容器对象
Python的一个容器对象(比如表、字典等)，可以包含多个对象，容器对象中包含的并不是对象本身，是指向各个元素对象的引用。

（3）引用计数增加

（4）引用计数减少

2.垃圾回收

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

python的垃圾回收机制主要是：采用的是以引用计数机制为主，标记-清除和分代收集（隔代回收）两种机制为辅的策略。

垃圾回收机制主要分为三点：
1）引用计数；
2）标记-清除；
引用计数能够解决大多数垃圾回收的问题，但是遇到两个对象相互引用的情况，del语句可以减少引用次数，但是引用计数不会归0，对象也就不会被销毁，从而造成了内存泄漏问题。针对该情况，Python引入了标记-清除机制。

3）分代回收
Python将所有的对象分为0，1，2三代；
所有的新建对象都是0代对象；
当某一代对象经历过垃圾回收，依然存活，就被归入下一代对象。

3.内存池机制

python的内存机制以金字塔型，-1，-2层主要有操作系统进行操作；
第0层是C中的malloc，free等内存分配和释放函数进行操作；
第1层和第2层是内存池，有Python的接口函数PyMem_Malloc函数实现，当对象小于256K时有该层直接分配内存；
第3层是最上层，也就是我们对Python对象的直接操作；

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。另外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。故可以总结为：
Python以256K为界限分为大内存和小内存：1、大内存使用malloc进行分配；
2、小内存使用内存池进行分配。