python通過引用計數、垃圾回收（gc）和內存池機制管理內存。1.引用計數是核心機制，對象的引用數為0時立即釋放內存，但無法處理循環引用；2.gc模塊解決循環引用問題，通過標記清除不可達對象，默認自動運行，也可手動觸發；3.內存池（pymalloc）提升小對象操作性能，減少系統調用開銷；4.實際應用中需注意全局變量、緩存、多線程傳遞等導致的內存泄漏，可使用sys.getrefcount、gc.get_objects等工具分析內存使用情況。
python 的內存管理機制其實挺有意思的，它主要依賴自動垃圾回收（GC）和引用計數來管理內存。你寫代碼時基本不用操心內存分配和釋放的問題，但這背后有一套相對復雜的機制在運行。
下面我們就從幾個實際使用中會遇到的角度來看看它是怎么工作的。
引用計數是基礎
Python 中最核心的內存管理方式就是引用計數。每個對象都有一個計數器，記錄有多少個變量在“引用”它。一旦這個計數器變成 0，說明這個對象沒人用了，就會被立刻釋放掉。
立即學習“Python免費學習筆記（深入）”；
比如：
a = [1, 2, 3] b = a del a
這時候列表 [1, 2, 3] 的引用數還是 1，因為 b 還指向它。只有等 b 被刪除或重新賦值之后，引用數才會變為 0，然后內存就被釋放了。
這種方式的好處是簡單、高效，但也有個明顯缺點：無法處理循環引用。比如兩個對象互相引用，即使外部不再引用它們，引用數也不會變成 0。這時候就需要靠下一部分說的垃圾回收機制來幫忙了。
垃圾回收機制負責清理循環引用
為了解決引用計數的短板，Python 引入了 gc 模塊 來做垃圾回收。它主要處理的是對象之間的循環引用問題。
GC 默認是開啟的，你可以手動調用 gc.collect() 來觸發一次完整的垃圾回收。
它的原理是：
- 找出所有不可達的對象（也就是程序邏輯上再也訪問不到的對象）
- 把這些對象標記出來并清除
- 同時還能檢測循環引用結構，比如兩個對象互相引用的情況
你也可以設置 GC 的閾值，控制什么時候觸發回收。不過大多數情況下默認配置已經足夠好，不需要動它。
內存池機制提升性能
Python 在底層還有一套內存池機制（pymalloc），專門用來管理小塊內存的申請和釋放。這樣做的目的是減少頻繁向操作系統申請內存帶來的開銷。
比如你創建大量小對象（如整數、字符串、小列表等），Python 會從預先分配好的內存池里取空間，而不是每次都去系統要一塊新的。這能顯著提高性能，尤其是在高并發或者大量對象生成銷毀的場景中。
不過這套機制對普通開發者來說是透明的，你一般不需要關心它具體怎么運作，除非你在做性能調優或底層開發。
實際應用中需要注意的地方
雖然 Python 的內存管理很智能，但在某些場景下還是會“吃內存”，比如：
- 使用大量全局變量或緩存數據時，對象一直被引用，不會被回收
- 多線程或多進程編程中，如果對象跨線程傳遞不當，也可能造成內存泄漏
- 有些第三方庫內部實現不夠嚴謹，也可能會導致內存沒被正確釋放
如果你發現程序占用內存越來越高，可以考慮：
- 使用 sys.getrefcount(obj) 查看對象的引用情況
- 用 gc.get_objects() 看當前還在內存中的對象
- 或者借助像 tracemalloc、objgraph 這類工具來分析內存使用情況
基本上就這些。Python 的內存管理機制雖然自動化程度高，但理解它的基本原理，能幫你寫出更高效的代碼，也能在排查內存問題時少走彎路。
