python是如何進行記憶體管理的

一、python記憶體管理

這個問題需要從三個方面來說：

1）物件的引用計數機制（四增五減）

2）垃圾**機制（手動自動，分代**）

3）記憶體池機制（大m小p）

1）物件的引用計數機制

要保持追蹤記憶體中的物件，python使用了引用計數這一簡單的技術。sys.getrefcount(a)可以檢視a物件的引用計數，但是比正常計數大1，因為呼叫函式的時候傳入a，這會讓a的引用計數+1

a）增加引用計數

b）

減少引用計數

c）引用計數例子，加深理解

id()獲取物件的記憶體位址

在python中，整數和短小的字元，python都會快取這些物件，以便重複使用。當我們建立多個等於1的引用時，實際上是讓所有這些引用指向同乙個物件

#is用於判斷兩個引用所指的物件是否相同。
a = 1
b = 1
a is b
#true
print(id(a))
#505348560
print(id(b))
#505348560
a = 'good'
b = 'good'
a is b
#true

讓我們來看看較長的字串：

a = "very good morning"
b = "very good morning"
id(a)
#57960680
id(b)
#57960968
a is b
#false

sys.getrefcount()來獲取物件的引用計數：

import sys
a = [1 ,2, 3]
print( sys.getrefcount(a) )
#2b = a
print( sys.getrefcount(a) )
#3

2）垃圾**機制

吃太多，總會變胖，python也是這樣。當python中的物件越來越多，它們將佔據越來越大的記憶體。不過你不用太擔心python的體形，它會在適當的時候「**」，啟動垃圾**(garbage collection)，將沒用的物件清除

從基本原理上，當python的某個物件的引用計數降為0時，說明沒有任何引用指向該物件，該物件就成為要被**的垃圾了

比如某個新建物件，它被分配給某個引用，物件的引用計數變為1。如果引用被刪除，物件的引用計數為0，那麼該物件就可以被垃圾**。比如下面的表

a = [1, 2, 3]
sys.getrefcount(a)
#2del a

del a後，已經沒有任何引用指向之前建立的[1, 2, 3]這個表。這個物件如果繼續待在記憶體裡，就成了不健康的脂肪。當垃圾**啟動時，python掃瞄到這個引用計數為0的物件，就將它所佔據的記憶體清空

然而，**是個昂貴而費力的事情。垃圾**時，python不能進行其它的任務。頻繁的垃圾**將大大降低python的工作效率。如果記憶體中的物件不多，就沒有必要總啟動垃圾**

所以，python只會在特定條件下，自動啟動垃圾**。當python執行時，會記錄其中分配物件(object allocation)和取消分配物件(object deallocation)的次數。當兩者的差值高於某個閾值時，垃圾**才會啟動

我們可以通過gc模組的get_threshold()方法，檢視該閾值：

import gc
gc.get_threshold()
#(700, 10, 10)

返回(700, 10, 10)，後面的兩個10是與分代**相關的閾值，後面可以看到。700即是垃圾**啟動的閾值。可以通過gc中的set_threshold()方法重新設定。

我們也可以手動啟動垃圾**，即使用gc.collect()

分代**：

python同時採用了分代(generation)**的策略。這一策略的基本假設是，存活時間越久的物件，越不可能在後面的程式中變成垃圾。

我們的程式往往會產生大量的物件，許多物件很快產生和消失，但也有一些物件長期被使用。出於信任和效率，對於這樣一些「長壽」物件，我們相信它們的用處，所以減少在垃圾**中掃瞄它們的頻率

python將所有的物件分為0，1，2三代。所有的新建物件都是0代物件。當某一代物件經歷過垃圾**，依然存活，那麼它就被歸入下一代物件。垃圾**啟動時，一定會掃瞄所有的0代物件

如果0代經過一定次數垃圾**，那麼就啟動對0代和1代的掃瞄清理。當1代也經歷了一定次數的垃圾**後，那麼會啟動對0，1，2，即對所有物件進行掃瞄

這兩個次數即上面get_threshold()返回的(700, 10, 10)返回的兩個10。也就是說，每10次0代垃圾**，會配合1次1代的垃圾**；而每10次1代的垃圾**，才會有1次的2代垃圾**

同樣可以用set_threshold()來調整，比如對2代物件進行更頻繁的掃瞄

import gc
gc.set_threshold(700, 10, 5)

3）記憶體池機制

python中有分為大記憶體和小記憶體：（256k為界限分大小記憶體）

1、大記憶體使用malloc進行分配

2、小記憶體使用記憶體池進行分配

python中的記憶體管理機制都有兩套實現，一套是針對小物件，就是大小小於256k時，pymalloc會在記憶體池中申請記憶體空間；當大於256k時，則會直接執行系統的malloc的行為來申請記憶體空間　