Python内存管理机制
一、变量与对象
关系图如下：
-
1、变量，通过变量指针引用对象
- 变量指针指向具体对象的内存空间，取对象的值。
-
2、对象，类型已知，每个对象都包含一个头部信息（头部信息：类型标识符和引用计数器）
注意
-
变量名没有类型，类型属于对象（因为变量引用对象，所以类型随对象），变量引用什么类型的对象，变量就是什么类型的。
In [32]: var1="洲神" In [33]: var2=var1 In [34]: id(var1) Out[34]: 139697863383968 In [35]: id(var2) Out[35]: 139697863383968 -
PS：id()是python的内置函数，用于返回对象的身份，即对象的内存地址。
In [39]: a=123
In [40]: b=a
In [41]: id(a)
Out[41]: 23242832
In [42]: id(b)
Out[42]: 23242832
In [43]: a=456 #a的引用指向别的对象，重新赋值，a变量覆盖了上面的a变量，所以a的内存地址发生改变
In [44]: id(a)
Out[44]: 33166408
In [45]: id(b)
Out[45]: 23242832
-
3、引用所指判断
通过is进行引用所指判断，is是用来判断两个引用所指的对象是否相同。
is判断的就是内存地址是否相同，而等于只是判断等号量两边的值是否相同
整数
In [46]: a=1
In [47]: b=1
In [48]: print(a is b)
True
字符串
In [49]: c="good"
In [50]: d="good"
In [51]: print(c is d)
True
列表（不可变数据类型）
In [55]: g=[]
In [56]: h=[]
In [57]: print(g is h)
False
字典
dic ={1:1}
dd={1:1}
dic is dd
False
由运行结果可知：
1、Python只缓存了整数和字符串(小数据池，代码块机制，请看我博客，小数据池那章)，因此每个对象在内存中只存有一份，引用所指对象就是相同的，即使使用赋值语句，也只是创造新的引用，而不是对象本身；
2、Python没有缓存列表,字典及其他对象，可以由多个相同的对象，可以使用赋值语句创建出新的对象。
二、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
查看对象的引用计数：sys.getrefcount()
1、普通引用
In [2]: import sys
In [3]: a=[1,2,3]
In [4]: getrefcount(a)
Out[4]: 2
In [5]: b=a
In [6]: getrefcount(a)
Out[6]: 3
In [7]: getrefcount(b)
Out[7]: 3
注意：
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。因此，getrefcount()所得到的结果，会比期望的多1。
2、容器对象
Python的一个容器对象(比如：表、词典等)，可以包含多个对象。
In [12]: a=[1,2,3,4,5]
In [13]: b=a
In [14]: a is b
Out[14]: True
In [15]: a[0]=6
In [16]: a
Out[16]: [6, 2, 3, 4, 5]
In [17]: a is b
Out[17]: True
In [18]: b
Out[18]: [6, 2, 3, 4, 5]
由上可见，实际上，容器对象中包含的并不是元素对象本身，是指向各个元素对象的引用。
3、引用计数增加
- 1、对象被创建
In [39]: getrefcount(123)
Out[39]: 6
In [40]: n=123
In [41]: getrefcount(123)
Out[41]: 7
- 2、另外的别人被创建
In [42]: m=n
In [43]: getrefcount(123)
Out[43]: 8
- 3、作为容器对象的一个元素
In [44]: a=[1,12,123]
In [45]: getrefcount(123)
Out[45]: 9
- 4、被作为参数传递给函数：foo(x)
4、引用计数减少
1、对象的别名被显式的销毁
In [46]: del m
In [47]: getrefcount(123)
Out[47]: 8
2、对象的一个别名被赋值给其他对象
In [48]: n=456
In [49]: getrefcount(123)
Out[49]: 7
3、对象从一个窗口对象中移除，或，窗口对象本身被销毁
In [50]: a.remove(123)
In [51]: a
Out[51]: [1, 12]
In [52]: getrefcount(123)
Out[52]: 6
4、一个本地引用离开了它的作用域，比如上面的foo(x)函数结束时，x指向的对象引用减1。
三、垃圾回收
当Python中的对象越来越多，占据越来越大的内存，启动垃圾回收(garbage collection)，将没用的对象清除。
1、原理
当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾。比如某个新建对象，被分配给某个引用，对象的引用计数变为1。如果引用被删除，对象的引用计数为0，那么该对象就可以被垃圾回收。
In [74]: a=[321,123]
In [75]: del a
2、解析del
del a后，已经没有任何引用指向之前建立的[321,123]，该表引用计数变为0，用户不可能通过任何方式接触或者动用这个对象，当垃圾回收启动时，Python扫描到这个引用计数为0的对象，就将它所占据的内存清空。
3、注意
1、垃圾回收时，Python不能进行其它的任务，频繁的垃圾回收将大大降低Python的工作效率；
2、Python只会在特定条件下，自动启动垃圾回收（垃圾对象少就没必要回收）
3、当Python运行时，会记录其中分配对象(object allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。
In [93]: import gc
In [94]: gc.get_threshold() #gc模块中查看阈值的方法
Out[94]: (700, 10, 10)
阈值分析：
700即是垃圾回收启动的阈值；
每10次0代垃圾回收，会配合1次1代的垃圾回收；而每10次1代的垃圾回收，才会有1次的2代垃圾回收；
当然也是可以手动启动垃圾回收：
In [95]: gc.collect() #手动启动垃圾回收
Out[95]: 2
4、何为分代回收
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。
四、内存池机制
Python中有分为大内存和小内存：（256K为界限分大小内存）
1、大内存使用malloc进行分配
2、小内存使用内存池进行分配
3、Python的内存池(金字塔)
第3层：最上层，用户对Python对象的直接操作
第1层和第2层：内存池，有Python的接口函数PyMem_Malloc实现-----若请求分配的内存在1~256字节之间就使用内存池管理系统进行分配，使用pymalloc实现的分配器进行分配内存，但是每次只会分配一块大小为256K的大块内存，不会调用free函数释放内存，将该内存块留在内存池中以便下次使用。
第0层：大内存-----若请求分配的内存大于256K，则使用系统的 malloc函数分配内存，free函数释放内存。
第-1，-2层：操作系统进行操作
