Python中的内存管理：对象分配与回收机制

1. 描述
Python的内存管理机制主要包括对象分配和垃圾回收两部分。开发者无需手动管理内存，但理解其原理有助于避免内存泄漏和性能问题。本知识点将深入讲解Python如何分配内存、引用计数机制、垃圾回收器的工作原理，以及循环引用的处理方式。

2. 对象分配机制
步骤1：内存池（PyMalloc）

• Python为避免频繁调用操作系统的内存分配函数（如malloc），引入了内存池机制。
• 小对象（通常小于256KB）由内存池管理，大对象直接使用系统的malloc分配。
• 内存池按大小分类为不同块（如8、16、32字节等），通过空闲列表（free list）快速分配小块内存。

步骤2：对象初始化

• 分配内存后，Python调用类型的__new__方法创建对象，再通过__init__方法初始化属性。
• 例如：a = [1, 2, 3]会先分配列表所需内存，再初始化列表内容。

3. 引用计数（Reference Counting）
步骤1：基本原理

• 每个Python对象内部维护一个引用计数（ob_refcnt字段），记录被引用的次数。
• 引用增加场景：

  a = [1, 2]  # 列表引用计数=1  
  b = a       # 引用计数+1，变为2  
  

• 引用减少场景：
  • 变量离开作用域（如函数执行完毕）。
  • 变量被重新赋值（如a = None）。
  • 容器对象被销毁（如列表被删除）。

步骤2：引用计数的操作

• 增加计数：Py_INCREF(obj)
• 减少计数：Py_DECREF(obj)，当计数归零时，立即释放对象内存。

4. 垃圾回收（Garbage Collector）
步骤1：循环引用问题

• 引用计数无法解决循环引用：

  class Node:  
      def __init__(self):  
          self.next = None  
  
  a = Node()  
  b = Node()  
  a.next = b  # a引用b  
  b.next = a  # b引用a，循环引用  
  # 即使删除a和b，引用计数仍为1，无法自动回收  
  

步骤2：分代回收（Generational GC）

• Python使用分代垃圾回收器（gc模块）检测循环引用。
• 对象分为3代（0、1、2），新对象在第0代。
• 回收过程：
  1. 触发条件：当某代对象数量超过阈值时，启动垃圾回收。
  2. 标记存活对象：从根对象（全局变量、栈中的变量等）出发，遍历所有可达对象。
  3. 清除不可达对象：回收循环引用且不可达的对象。
  4. 代际提升：存活的对象会被移到下一代。

步骤3：GC的触发与调优

• 手动触发：gc.collect(generation=2)。
• 调整阈值：gc.set_threshold(threshold0, threshold1, threshold2)。
• 禁用GC：gc.disable()（需谨慎，可能导致内存泄漏）。

5. 综合示例

import gc  

class Data:  
    def __init__(self, name):  
        self.name = name  
        self.other = None  

# 创建循环引用  
d1 = Data("A")  
d2 = Data("B")  
d1.other = d2  
d2.other = d1  

# 删除引用后，对象仍存在循环引用  
del d1, d2  

# 手动触发垃圾回收  
print(gc.collect())  # 输出回收的对象数量（如2）  

6. 总结

• Python通过引用计数实现即时回收，但需分代GC处理循环引用。
• 内存池提升小对象分配效率，垃圾回收器自动管理生命周期。
• 开发中应避免不必要的全局引用或循环引用，必要时使用weakref模块打破循环引用。