引言

Python (CPython) 的内存管理策略与 Java 和 Go 有显著不同。它主要依赖引用计数 (Reference Counting) 来进行内存回收，辅以一个分代循环垃圾收集器 (Generational Cyclic GC) 来解决引用循环问题。

1. 引用计数 (Reference Counting)

这是 Python 内存管理的基石。每个 Python 对象都有一个 ob_refcnt 字段。

1.1 机制详解

• 增加引用: 当对象被赋值给变量、作为参数传递、加入容器时，ob_refcnt 加 1。
• 减少引用: 当变量离开作用域、被显式 del、从容器移除时，ob_refcnt 减 1。
• 回收: 当 ob_refcnt 降为 0 时，立即调用对象的析构函数 (__del__) 并释放内存。

伪代码 (C 语言风格):

#define Py_INCREF(op) (op->ob_refcnt++)

#define Py_DECREF(op) \
  if (--(op->ob_refcnt) == 0) \
  _Py_Dealloc(op)

1.2 优缺点

• 优点:
• 实时性: 内存一旦不再使用立即回收，没有 STW 延迟。
• 简单: 实现逻辑直观。
• 缺点:
• 开销大: 每次变量赋值都要更新计数，原子操作（如果多线程）昂贵（Python 有 GIL，所以不需要原子操作，但仍有 CPU 开销）。
• 无法处理循环引用: 这是致命伤。

2. 循环引用与分代收集

为了解决 A -> B -> A 这种循环引用导致内存无法释放的问题，Python 引入了分代循环 GC。

2.1 容器对象 (Container Objects)

只有可能包含引用的对象（如 list, dict, class, tuple）才会被 GC 跟踪。简单的原子类型（如 int, str）不需要 GC 跟踪，因为它们不可能构成环。

2.2 循环检测算法

Python 使用一种基于引用计数副本的算法来检测环。

算法步骤 (伪代码):

def collect(generation):
  # 1. 建立引用计数副本
  # gc_refs = ob_refcnt
  update_gc_refs() 
  
  # 2. 减去内部引用
  # 遍历该代中所有对象，将其引用的对象的 gc_refs 减 1
  # 这一步是为了消除"环"内部的引用影响
  subtract_refs()
  
  # 3. 标记可达对象
  # 此时，如果 gc_refs > 0，说明有外部引用指向它，它是活跃的。
  # 将其标记为 reachable，并递归标记其引用的对象。
  move_unreachable_to_garbage()
  
  # 4. 回收垃圾
  # 剩下的 gc_refs == 0 的对象就是不可达的环
  delete_garbage()

2.3 分代假设 (Generational Hypothesis)

Python 将对象分为三代：0 代、1 代、2 代。 * 0 代: 新创建的对象。 * 1 代: 幸存过一次 0 代回收的对象。 * 2 代: 幸存过一次 1 代回收的对象。

触发机制: * 当 0 代对象数量减去回收数量达到阈值（默认 700），触发 0 代 GC。 * 当 0 代 GC 发生一定次数（默认 10 次），触发 1 代 GC。 * 以此类推。

3. 性能调优

Python 提供了 gc 模块来控制垃圾回收。

• gc.disable(): 关闭自动 GC（引用计数仍在工作）。在对性能要求极高且确信无循环引用的场景下使用。
• gc.collect(): 手动触发 Full GC。
• gc.set_threshold(): 调整分代阈值。

总结

Python 的 GC 是 引用计数 (主) + 分代循环 GC (辅)。 * 引用计数保证了大多数对象的实时回收。 * 分代 GC 兜底解决循环引用，避免内存泄漏。