Python内存管理

在比较浅层次上我们通过说明如下问题来进一步深入了解python内存管理机制：
Python中到底是“传引用”还是“传值”呢？？？

这个问题的回答是：看情况。有的是传值，有的是传引用。

判断的依据是看对象的可变性，而这一点又取决于对象的类型。故在python中的说法是对象可变的还是不可变的。

基本数据类型（整型及其他数据类型，字符串）及元组是不可变的，参数传递的是形参，也就是传过来的是原值的一个拷贝，在函数中改变形参的值实参不会发生变化：

   def func(a)

列表、字典、类及类实例是可变数据类型，作为参数传递则是原值的一个引用，函数对形参列表进行了改变，那么实参也相应的发生变化:

   def func(a=[])

可以使用元组进行参数传递，因为元组是不允许改变的.

一个常用的例子是list.sort()，它是直接在列表上排序而不是返回它，可以通过自己复制一个拷贝: newlist=list(mylist)，或者newlist=mylist[:]

python中复制对象(a=b)也是同样的道理，不可变对象被真正复制，而可变对象只是复制了一个对它的引用。

例1：

  list0=[1,2,’a’,[‘b’,’c’]]

  list1= list0

  list1[0]=11

  list0[3][0]= ’d’

  print list1 #[ 11,2,’a’,[‘d’,’c’] ]

  print list0 #[ 11,2,’a’,[‘d’,’c’] ]

list0中1,2,’a’均为不可变对象，[‘b’,’c’]为可变对象

例2：(浅拷贝)

list0=[1,2,’a’,[‘b’,’c’]]

list1=list(list0)

list1[0]=11

list0[3][0]= ’d’

print list1 #[ 11,2,’a’,[‘d’,’c’] ]

print list0 #[ 1 ,2,’a’,[‘d’,’c’] ]

list0中1,2,’a’均为不可变对象，[‘b’,’c’]为可变对象

经过上面的讲解，可能我们已经初步认识到哪些是引用，哪些是传值的了，至此，我们还没有真正了解它的内部原理：

在来看如下例子：

>>a=1

>>b=a

id(a)==id(b)，此时b和a指向同一地址，此时b也是对a的一个引用

当b的值改变时会指向其他地址，即重新分配内存

>>b+=1

id(a)!=id(b)

>>a=[1,2,3]

>>b=a

//此时b是a的一个引用。id(a)==id(b)

>>b=[4,5,6]

//此时b重新分配内存。

另外一点说明：当我们定义的变量与函数同名时，再使用系统函数，python会提示不可用，这时我们要 del varible将变量删除：

如:

>>>list=[1,2,3]

>>>newlist=list(list)//这时外面的list也会被当做列表来使用造成错误

>>>del list

原理：

python中任何变量都是对象，所以参数只支持引用传递方式。即通过名字绑定的机制，把实际参数的值和形式参数的名称绑定在一起，形式参数和实际参数指向内存中的同一个存储空间。

python中任何变量都是对象，看上去不可变的对象是值传递其实也是传递的引用，之所以改变形参后，形参和实参未保持一致是因为不可变对象的改变都是一种重新赋值（即重新分配内存的过程），而可变对象的改变值就是在原内存地址基础上add或append，不是一个重新赋值的过程，通过上面的例子我们可以发现，可变对象重新赋值地址是同样会发生变化的。
进一步我们来解读python 的内存管理机制：

Python引入了一个机制：引用计数。
python内部使用引用计数，来保持追踪内存中的对象，Python内部记录了对象有多少个引用，即引用计数，当对象被创建时就创建了一个引用计数，当对象不再需要时，这个对象的引用计数为0时，它被垃圾回收。
总结一下对象会在一下情况下引用计数加1：

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']

引用计数减少情况

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)。

在Python中，许多时候申请的内存都是小块的内存，这些小块内存在申请后，很快又会被释放，由于这些内存的申请并不是为了创建对象，所以并没有对象一级的内存池机制。这就意味着Python在运行期间会大量地执行malloc和free的操作，频繁地在用户态和核心态之间进行切换，这将严重影响Python的执行效率。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。

内存池机制

Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统。
Python中所有小于256个字节的对象都使用pymalloc实现的分配器，而大的对象则使用系统的 malloc。另外Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。

在Python中，许多时候申请的内存都是小块的内存，这些小块内存在申请后，很快又会被释放，由于这些内存的申请并不是为了创建对象，所以并没有对象一级的内存池机制。这就意味着Python在运行期间会大量地执行malloc和free的操作，频繁地在用户态和核心态之间进行切换，这将严重影响 Python的执行效率。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。这也就是之前提到的 Pymalloc机制。

关于内存管理机制引用自：http://blog.chinaunix.net/uid-26602509-id-3506965.html