Python以引用计数器为主，标记清除与分代回收为辅+缓存机制来进行内存管理和垃圾回收

1.引用计数器

　　1.1 环状双向链表（refchain)

　　　　Python中创建的任何对象都会放在refchain中

　　

　　　　eg：

　　　　　　name = 'ty'  # 内部会创建一个结构体（上一个对象，下一个对象，类型，引用个数）

　　　　　　new  = name  # 此时'ty'结构体中的引用个数为2

　　　　　　　　

　　　　　　age = 18   # 内部创建一个结构体（上一个对象，下一个对象，类型，引用个数，val = 18）

　　　　　　hobby = ['美女', '跑步']  # 内部创建一个结构体（上一个对象，下一个对象，类型，引用个数，元素个数，items = 元素）

　　　　　　1.1.1 c源码中如何体现每个对象中都有相同的值:PyObject结构体(4个值)

　　　　　　　　如何体现由多个元素组成的对象: PyObject结构体（4个值）+ob_size（元素个数）

　　　　　　　　

　　　　　　

　　1.2 类型封装结构体

　　　　

　　　　eg

　　　　　　data = 3.14

　　　　　　内部创建:

　　　　　　　　_ob_prev = refchain中上一个对象

　　　　　　　　_obj_next = refchain中下一个对象

　　　　　　　　_ob_refcnt = 1  # 引用计数器

　　　　　　　　_ob_type = float

　　　　　　　　_ob_fval = 3.14

　　1.3 引用计数器

　　

　　　　v1 = 3.14

　　　　v2 = 999

　　　　v3 = (1, 2, 3)

　　　　当Python运行时，会根据数据类型的不同找到其对应的结构体，根据结构体中的字段来进行创建相关的数据，然后将对象添加到refchain双向链表中。

　　　　在源码中有两个关键的结构体：PyObject（公共的值） & PyVarObject（多个元素组成时公共的值）。

　　　　每个对象中的ob_refcnt就是引用计数器，值默认为1，当有其他变量时，引用对象的引用计数器就会发生变化（+1）

　　　　eg

　　　　　　引用：

　　　　　　　　a = 9999

　　　　　　　　b = a  # 此时ob_refcnt = 2

　　　　　　删除引用:

　　　　　　　　a = 9999

　　　　　　　　b = a

　　　　　　　　del b  # b变量删除；对应对象引用计数器-1

　　　　　　　　del a  # a变量删除；对应对象引用计数器-1

　　　　　　当ob_refcnt为0时，意味着没有人使用此对象了，这个对象就是垃圾，进行垃圾回收

　　　　　　问题：如何进行垃圾回收？

　　　　　　1.对象从refchain链表中移除。

　　　　　　2.将对象从内存中销毁，内存归还给操作系统。

　　1.4循环引用&交叉感染

　　　　-仅仅用ob_refcnt就会出现这个问题

　　　　

　　　　为了解决这个问题有引入了标记清除

2.标记清除

　　目的：解决引用计数器循环引用的不足

　　实现：在Python的底层在维护一个链表，链表中专门存放那些可能存在循环引用的对象（list/dict/set/tuple)

　　

　　　　Python内部，某种情况下触发，会去扫描可能存在循环引用的链表中的每一个元素（元素的子元素也被扫描），检查是否有循环引用，如

　　有，让双方的引用计数器-1，若是0则垃圾回收。

　　问题：什么时候扫描？

　　　　　可能存在循环引用的链表扫描代价太大，每次扫描耗时太久

　　引入分代回收

3.分代回收

　　

　　将可能存在循环引用的对象维护成3个链表

　　　　0代：0代中对象个数达到700时扫描一次。

　　　　1代：0代扫描10次，则1代扫描一次。

　　　　2代：1代扫描10次，则2代扫描一次。

　　将不是垃圾的对象向上升代，否则剔除。

4.小结

　　在Python中维护了一个refchain的双向环状链表，这个链表中存储程序创建的所有对象，每种类型的对象中都有一个ob_refcnt引用计数器的值，引用个数+1，-1，最后当引用计数器变为0时会进行垃圾回收（refchain中移除，对象销毁）。

　　但是，在Python中对于那些可以有多个元素组成的对象，可能会存在循环引用的问题，为了解决这个问题Python又引入了标记清除和分代回收，在其内部维护4个链表。

　　refchain

　　2代，10次

　　1代，10次

　　0代，700个

在源码内部当达到各自的阈值时，就会触发扫描链表进行标记清除的动作（有循环则各自-1）

 

but,源码内部在上述的流程中提出了优化机制

5.Python缓存

　　5.1池(int)

　　为了避免重复创建和销毁一些常见对象，维护池。

　　# 启动解释器时，Python内部帮我们创建: -5,-4... ... ...257

　　v1 = 7  # 内部不会开辟内存，直接去池中获取

　　v2 = 9  # 内部不会开辟内存，直接去池中获取

　　v3 = 9  # 内部不会开辟内存，直接去池中获取

 

　　5.2 free_list (float/list/tuple/dict)

　　当一个对象的引用计数器为0时，按理说应该回收，内部不会直接回收，而是将对象添加到free_list链表中当缓存。以后再去创建对象时，不再重新开辟内存，而是直接使用free_list。

eg：

　　v1 = 3.14  # 开辟内存，内部存储结构中定义那几个值，并存到refchainh中

　　del v1  # refchain中移除，将对象添加到 free_list 中(80个），free_list满了则销毁。

　　v9 = 999.99  # 不会重新开辟内存，而是去free_list中获取对象，对象内部数据初始化，再放到refchain中。