python底層從3個方面來說，分別是:
引用計數機制
垃圾**機制
記憶體池機制
引用計數機制
使用引用計數來追蹤記憶體中的物件，所有物件都有引用計數，並且這個引用計數一般比我們想象的次數多，對於不可變資料（如數字和字串），直譯器會在程式的不同部分共享記憶體，以便節約記憶體,可以通過sys.getrefcount( )來檢視物件應用次數。如下：
>>> a =19880924
>>> sys.getrefcount(19880924)
3>>> b =19880924
>>> sys.getrefcount(19880924)
3>>> c = 19880924
>>> sys.getrefcount(19880924)
可以看到19880924的引用次數沒有隨著物件的宣告而增加。
>>> c = 19880924
>>> sys.getrefcount(19880924)
3>>> sys.getrefcount(c)
2>>> d = c
>>> sys.getrefcount(c)
3>>> e = c
>>> sys.getrefcount(c)
4但是如果是物件的引用，則物件的引用次數增加
記憶體儲存機制類似如下：
引用計數增加的情況：
1，乙個物件分配乙個新名稱
2，將其放入乙個容器中（如列表、元組或字典）
引用計數減少的情況：
1，使用del語句對物件別名顯示的銷毀
2，引用超出作用域或被重新賦值
垃圾**機制
當乙個物件的引用計數為0的時候就被垃圾**給**掉了
直譯器會定期執行乙個迴圈檢測器，搜尋不可訪問物件的迴圈並刪除它們。
a) 假如2個物件相互引用，由於每個物件都包含乙個對其他物件的應用，因此引用計數不會歸零，物件也不會銷毀。針對這種情況適用於2
記憶體池機制
pymalloc機制：引入記憶體池機制，是用於管理小塊記憶體的申請和釋放的，python中所有小於256個位元組的物件都使用pymalloc實現的分配器，而大的物件則使用系統的malloc。對於python物件，如整數，浮點數和list，都有其獨立的私有記憶體池，物件間不共享他們的記憶體池。也就是說如果你分配又釋放了大量的整數，用於快取這些整數的記憶體就不能再分配給浮點數。
python**的記憶體放到記憶體池而不是返回給作業系統。
objective c底層 runtime機制
runtime是oc的真面目。oc底層的一套c語言api.unsigned int count 獲取屬性列表 objc property t propertylist class copypropertylist self class count for unsigned int i 0 i 獲取方...
Python 歷史 底層語法
cup 相當於大腦，用於計算 記憶體 儲存資料，4g,8g,16g,成本高，斷電即消失 硬碟 長久儲存資料，重要檔案 作業系統 應用程式。巨集觀上 python2 與 python3 區別 python2 原始碼不標準，混亂，重複 太多。客觀原因2版本以前大部分都是由不同語言種類的大牛共同編寫，語言...
Python 物件底層實現分析
pyobject物件是一切python物件共有的部分，包含以下內容 typedef struct object pyobject pyobject是所有物件共有的頭部，所以可以通過pyobject 來引用任意乙個物件,類似於c 的繼承。python中除了有物件可分為兩種 定長物件 int,float...