为什么说Python采用的是基于值的内存管理模式
（1）垃圾回收
（2）引用计数
（3）内存池机制
一、垃圾回收：
python不像C++，Java等语言一样，他们可以不用事先声明变量类型而直接对变量进行赋值。对Python语言来讲，对象的类型和内存都是
在运行时确定的。这也是为什么我们称Python语言为动态类型的原因（这里我们把动态类型可以简单的归结为对变量内存地址的分配是在运行时自动判断变量
类型并对变量进行赋值）。
二、引用计数：
Python采用了类似Windows内核对象一样的方式来对内存进行管理。每一个对象，都维护这一个对指向该对对象的引用的计数。如图所示（图片来自Python核心编程）
x = 3.14
y = x
我们首先创建了一个对象3.14， 然后将这个浮点数对象的引用赋值给x，因为x是第一个引用，因此，这个浮点数对象的引用计数为1. 语句y =
x创建了一个指向同一个对象的引用别名y，我们发现，并没有为Y创建一个新的对象，而是将Y也指向了x指向的浮点数对象，使其引用计数为2.
我们可以很容易就证明上述的观点：
变量a 和 变量b的id一致(我们可以将id值想象为C中变量的指针).
我们援引另一个网址的图片来说明问题：对于C语言来讲，我们创建一个变量A时就会为为该变量申请一个内存空间，并将变量值
放入该空间中,当将该变量赋给另一变量B时会为B申请一个新的内存空间，并将变量值放入到B的内存空间中，这也是为什么A和B的指针不一致的原因。如图：
而Python的情况却不一样，实际上，Python的处理方式和Javascript有点类似，如图所示，变量更像是附在对象上的标签(和引用的
定义类似)。当变量被绑定在一个对象上的时候，该变量的引用计数就是1，(还有另外一些情况也会导致变量引用计数的增加),系统会自动维护这些标签，并定
时扫描，当某标签的引用计数变为0的时候，该对就会被回收。
三、内存池机制
Python的内存机制以金字塔行，-1，-2层主要有操作系统进行操作，
第0层是C中的malloc，free等内存分配和释放函数进行操作；
第1层和第2层是内存池，有Python的接口函数PyMem_Malloc函数实现，当对象小于256K时有该层直接分配内存；
第3层是最上层，也就是我们对Python对象的直接操作；
在 C 中如果频繁的调用 malloc 与 free 时,是会产生性能问题的.再加上频繁的分配与释放小块的内存会产生内存碎片. Python 在这里主要干的工作有:
如果请求分配的内存在1~256字节之间就使用自己的内存管理系统,否则直接使用 malloc.
这里还是会调用 malloc 分配内存,但每次会分配一块大小为256k的大块内存.
经由内存池登记的内存到最后还是会回收到内存池,并不会调用 C 的 free
释放掉.以便下次使用.对于简单的Python对象，例如数值、字符串，元组（tuple不允许被更改)采用的是复制的方式(深拷贝?)，也就是说当将另
一个变量B赋值给变量A时，虽然A和B的内存空间仍然相同，但当A的值发生变化时，会重新给A分配空间，A和B的地址变得不再相同；
而对于像字典(dict)，列表(List)等，改变一个就会引起另一个的改变，也称之为浅拷贝：
附录：
引用计数增加
1.对象被创建：x=4
2.另外的别人被创建：y=x
3.被作为参数传递给函数：foo(x)
4.作为容器对象的一个元素：a=[1,x,’33’]
引用计数减少
1.一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。
2.对象的别名被显式的销毁：del x ；或者del y
3.对象的一个别名被赋值给其他对象：x=789
4.对象从一个窗口对象中移除：myList.remove(x)
5.窗口对象本身被销毁：del myList，或者窗口对象本身离开了作用域。
垃圾回收
1、当内存中有不再使用的部分时，垃圾收集器就会把他们清理掉。它会去检查那些引用计数为0的对象，然后清除其在内存的空间。当然除了引用计数为0的会被清除，还有一种情况也会被垃圾收集器清掉：当两个对象相互引用时，他们本身其他的引用已经为0了。
2、垃圾回收机制还有一个循环垃圾回收器, 确保释放循环引用对象(a引用b, b引用a, 导致其引用计数永远不为0)。
光点科技
2023-08-15 广告
内存管理架构：
1.python的内存管理机制由两部分组成，其由PYMALLOC_DEBUG控制，在debug模式下的内存管理机制和正常模式下的内存管理模式。
2.python的内存管理机制可以抽象成一种层次结构：
最底层：操作系统提供的内存管理接口，由其实现并维护
第一层：对最底层的包装，为python提供统一的原生内存管理接口和面向python中类型的内存分配器。简单地说，C语言中的malloc是需要用户自行提供申请空间的大小，而python可以由类型和数量自行判断内存空间大小
第二层：提供创建python对象的接口
第三层：为常用对象提供更抽象的内存管理策略，如整数，字符串，主要是对象缓存池机制
小块空间的内存池
1.python的内存池机制，用于小块内存的申请和释放，同样也有四层层次结构组成，分别是block,pool,arena和内存池。
第一层block：确定大小的内存块，大小有相应的划分且有上限
第二层pool：一组block的集合叫pool，最重要的pool_header和freeblock链表
第三层arena:一组pool的集合，分已使用和未使用两种状态
第四层内存池：Python中当申请内存超过某个值就启动malloc行为，当低于这个值才进行内存池申请内存，根据申请内存的大小获得对应的序号，如果已使用的pool中有可用的pool,则用其分配block，否则从已用arena中获取pool，否则申请arena，成功获取后开始初始化
循环引用的垃圾收集
1.python中的垃圾回收是基于对象的引用计数实现的，也就是说对象的生命周期是由对象的引用计数管理的。同时带来效率的降低，所以引入内存池机制，使得常用对象能更高效
2.引用计数机制致命缺点是在循环引用下容易引起内存泄漏，为了克服循环引用带来的问题，引入了其他垃圾回收机制，也就是主流垃圾收集技术中的标记（清除和分代收集技术）
3.三色标记模型，也就是标记--清除技术，步骤如下：
先找到根对象然后遍历搜索，能到达的不可删除，不能到达的可能删除
4.垃圾收集机制针对循环引用的出现，PyIntObject，PyStringObject是不会出现引用的，只有container对象才会出现引用，所以补充的垃圾回收机制是对容器类型对象创建收集链表，清除链表中循环引用的对象
5.分化收集技术是java采用的垃圾回收机制，就是将内存根据生命周期长短进行内存分化制，python将内存分成三个化，有一个化满了就将其他化连接到其后进行垃圾回收
6.需要注意的是对类对象的回收，在类中创建del方法容易引起无法回收的情况
