关键词：Python 内存管理、引用计数、垃圾回收、分代回收、PyMalloc

对比文章：Java垃圾回收机制详解（GC机制全解析）

---

一、本文重点

• 对象的引用计数
• 垃圾回收（GC）与分代回收策略
• 内存池机制（PyMalloc）
• 内存优化与调试技巧

二、Python 对象与内存分配

Python 中的一切皆对象。每当我们创建一个变量或数据结构时，Python 都会在内存中分配空间来存储该对象，并维护其引用计数。

```python a = [1, 2, 3] b = a ```

上面的代码中，a 和 b 指向同一个列表对象，它的引用计数为 2。 当引用计数降为 0 时，Python 才会回收内存。

三、引用计数机制

Python 的核心内存管理机制是 引用计数（Reference Counting）。 每个对象在内存中都有一个计数器，用于记录被多少个变量或对象引用。

```python import sys

a = [1, 2, 3]
print(sys.getrefcount(a)) # 查看引用计数

<p>
引用计数增加和减少的典型情况如下：
</p>
<ul>
  <li>赋值操作：引用计数 +1</li>
  <li>传入函数参数：引用计数 +1</li>
  <li>离开作用域、使用 del 删除：引用计数 -1</li>
</ul>
<p>
当计数降为 0 时，对象被销毁，其内存被释放。
</p>

<h2>四、垃圾回收机制（GC）</h2>
<p>
仅靠引用计数并不能完全解决内存问题，因为它无法处理<strong>循环引用</strong>：
</p>

```python
a = []
b = []
a.append(b)
b.append(a)

这里 a 和 b 互相引用，引用计数都不为 0，即使没有外部变量引用它们，它们仍然不会被回收。 为了解决这个问题，Python 引入了垃圾回收器（Garbage Collector）。

1. 分代回收（Generational GC）

Python 的 GC 采用“分代回收”思想，将对象按生命周期分为三代：

• 第 0 代：新创建的对象
• 第 1 代：经历过一次 GC 的对象
• 第 2 代：长期存活的对象

新对象首先进入第 0 代，如果经过多次 GC 仍然存在，会逐步提升代数。 Python 会优先清理“年轻”的对象（因为它们更可能是垃圾）。

2. 控制与手动触发

import gc

print(gc.get_threshold())   # 查看各代阈值
gc.collect()                # 手动触发垃圾回收

五、PyMalloc 内存池机制

频繁地向操作系统申请和释放内存的开销较大，Python 为此引入了 PyMalloc 内存池机制。 它的思想是：一次向系统申请大块内存，分配给小对象使用，减少频繁申请释放的开销。

PyMalloc 针对小于 512 字节的对象使用内存池，大对象则直接交由系统分配。

六、内存优化技巧

• 避免产生无意义的循环引用（如互相包含的对象）
• 及时使用 del 删除无用引用
• 使用生成器（generator）代替列表保存大数据
• 用 __slots__ 限制实例属性，减少内存消耗

```python class Point: __slots__ = ('x', 'y') # 限制属性，节省内存 def __init__(self, x, y): self.x = x self.y = y ```

七、总结

Python 的内存管理机制可以概括为三层：

• 引用计数：快速检测无用对象
• 垃圾回收（GC）：解决循环引用问题
• PyMalloc 内存池：提升分配效率

理解这些机制，不仅有助于编写更高效的 Python 程序，也能在分析性能瓶颈和内存泄漏时游刃有余。

八、参考资料

• Python 官方文档：https://docs.python.org/3/
• CPython 源码：https://github.com/python/cpython