Python使用gc模組處理python物件以及python垃圾回收器的工作，完整的gc模組文件參考這裡。舉gc模組的幾個例子看一下：

• gc.enable()——可自動進行垃圾回收；
• gc.disable()——不可自動進行垃圾回收；
• gc.set_threshold()——設定python垃圾回收的閾值；
• gc.set_debug()——設定垃圾回收的除錯標記，除錯資訊會被寫入std.err；
• gc.get_objects()——返回收集器跟蹤的所有物件的列表，不包括返回的列表。
• ......

Python的記憶體管理機制主要包括三個方面：引用計數機制、垃圾回收機制、記憶體池機制

一、引用計數機制

Python內部使用引用計數來保持追蹤記憶體中的物件，所有物件都有引用計數。

引用計數增加的情況：

（1）物件被建立：x=1；

（2）被物件已有引用賦值：y=x；

（3）被作為引數傳遞給函式：f（x）；

（4）將其放入一個人容器中，如列表、元組或字典。

引用計數減少的情況：

（1）一個本地引用離開了它的作用域。比如上面的f（x）函式結束時，x指向的物件引用就會減1；

（2）使用del語句對物件別名顯式的銷燬：del x；

（3）引用被重新賦值：x=2；

（4）物件從一個視窗物件中移除：myList.remove(x)；

（5）視窗物件本身被銷燬：del myList，或視窗物件本身離開了作用域：f（myList）

使用sys.getrefcount()函式可以獲得物件的當前引用計數。大多數情況下，引用計數比你猜測得要大得多。

對於不可變資料（如數字和字串），直譯器會在程式的不同部分共享記憶體，以便節約記憶體。

二、垃圾回收

（1）引用計數

引用計數也是一種垃圾收集機制，而且是一種最直觀、最簡單的垃圾收集技術。黨某個物件的引用計數降為0時，說明沒有任何引用指向該物件，該物件就成為要回收的垃圾，被回收掉。但是有一個例外，迴圈引用是物件之間的相互引用，會使得一組物件的引用計數不為0，然後這些物件實際上沒有被任何外部物件所引用，這些物件就會佔記憶體永遠不會被釋放掉。

因此Python又引入了其他的垃圾回收機制來彌補引用計數的缺陷：“標記-清理”，“分代回收”。

（2）標記清理

對於迴圈引用，當兩個物件相互引用時，del語句可以減少a和b的引用計數，並銷燬用於引用底層物件的名稱。然而由於每個物件都包含對其他物件的引用，因此引用計數不會歸零，物件也不會銷燬；從而導致記憶體洩漏。為了解決這一問題，直譯器會定期執行一個迴圈檢測器，搜尋不可訪問的物件的迴圈並刪除它們。

在實際操作中並不改動真實的引用計數，而是將集合中物件的引用計數複製一份副本，改動該物件引用的副本。（對於副本做任何的改動，都不會影響到物件生命週期的維護。）這個計數副本的唯一作用是尋找root object集合（該集合中的物件是不能被回收的）。當成功尋找到root object集合之後，首先將現在的記憶體連結串列一分為二，一條連結串列中維護root object集合，成為root連結串列，而另外一條連結串列中維護剩下的物件，成為unreachable連結串列。之所以要剖成兩個連結串列，是基於這樣的一種考慮：現在的unreachable可能存在被root連結串列中的物件直接或間接引用的物件，這些物件是不能被回收的，一旦在標記的過程中，發現這樣的物件，就將其從unreachable連結串列中移到root連結串列中；當完成標記後，unreachable連結串列中剩下的所有物件就是名副其實的垃圾物件了，接下來的垃圾回收只需限制在unreachable連結串列中即可。

（3）分代回收

從前面“標記-清除”這樣的垃圾收集機制來看，這種垃圾收集機制所帶來的額外操作實際上與系統中總的記憶體塊的數量是相關的，當需要回收的記憶體塊越多時，垃圾檢測帶來的額外操作就越多，而垃圾回收帶來的額外操作就越少；反之，當需回收的記憶體塊越少時，垃圾檢測就將比垃圾回收帶來更少的額外操作。
舉個例子來說明：
當某些記憶體塊M經過了3次垃圾收集的清洗之後還存活時，我們就將記憶體塊M劃到一個集合A中去，而新分配的記憶體都劃分到集合B中去。當垃圾收集開始工作時，大多數情況都只對集合B進行垃圾回收，而對集合A進行垃圾回收要隔相當長一段時間後才進行，這就使得垃圾收集機制需要處理的記憶體少了，效率自然就提高了。在這個過程中，集合B中的某些記憶體塊由於存活時間長而會被轉移到集合A中，當然，集合A中實際上也存在一些垃圾，這些垃圾的回收會因為這種分代的機制而被延遲。

三、記憶體池機制

Python提供了對記憶體的垃圾收集機制，但是它是將不用的記憶體放到記憶體池，而不是返回給系統。

python中記憶體機制呈現出金字塔形狀，-1、-2層主要由作業系統進行操作。第0層是c中的malloc，free等記憶體分配和釋放函式進行操作。

（1）第1層和第2層是記憶體池，有Python的介面函式PyMem_Malloc函式實現。Python 中所有小於256個位元組的物件都使用pymalloc實現的分配器，而大的物件則使用系統的malloc。不過，通過修改Python原始碼，我們可以改變這個預設值，從而改變Python的預設記憶體管理行為。

Python引入了一個記憶體池機制，是為了加速Python的執行效率，用於管理對小塊記憶體的申請和釋放。

（3）對於python物件，如整數、浮點數、List，都有其獨立的私有記憶體池，物件間不共享它們的記憶體池。也就是說，如果你分配又釋放了大量的整數，用於快取這些整數的記憶體就不能再分配給浮點數。（值語義）

圖片來源：http://blog.csdn.net/alertbear/article/details/50808178