深入浅出Python的内存回收机制

一、核心：引用计数器（RefCnt）

引用计数器是Python内存管理的“第一道防线”，也是最基础、最常用的回收逻辑。

每个Python对象（如int、list、dict）的底层结构体中，都内置了 ob_refcnt （引用计数字段），用来记录当前有多少个“引用”在使用这个对象。当对象被创建/赋值给变量时， ob_refcnt +1 ；当变量被删除（del）、超出作用域、重新赋值时， ob_refcnt -1 ；一旦 ob_refcnt == 0 ，说明这个对象无任何引用，Python会立刻回收该对象占用的内存（归还给解释器，而非直接还给操作系统）。

底层支撑：Python在C源码中通过两个核心结构体实现这一逻辑：

PyObject ：所有Python对象的基类，包含 ob_refcnt （引用计数）、 ob_type （对象类型）等公共字段；

PyVarObject ：继承自 PyObject ，新增 ob_size 字段，专门用于记录列表、元组等“变长容器”的元素个数。

运行时结构：Python启动后会创建一个名为 refchain 的双向链表，所有容器对象（list、dict、set等）都会被加入这个链表，链表节点中直接关联对象的 ob_refcnt ，方便解释器快速遍历和更新引用计数。

但是引用计数器的致命问题：循环引用

单纯依赖引用计数器会出现“漏回收”——当两个（或多个）对象互相引用时，即使外部无任何引用，它们的 ob_refcnt 也永远不为0。示例：

1
v1 = []
2
v2 = []
3
v1.append(v2)  # v1引用v2，v2的ob_refcnt +1
4
v2.append(v1)  # v2引用v1，v1的ob_refcnt +1
5
del v1         # v1的ob_refcnt -1（仍为1，因为v2还引用它）
6
del v2         # v2的ob_refcnt -1（仍为1，因为v1还引用它）

此时v1、v2无外部引用，但互相引用，引用计数器失效，内存无法回收

二、辅助1：标记清除（Mark-Sweep）

标记清除是专门解决“循环引用”的补充机制，只针对可能产生循环引用的“容器对象”（list、dict、set等，数值型/字符串等不可变对象不会产生循环引用）。

分“标记”和“清除”两步执行：

标记阶段：解释器维护一个专门存放“容器对象”的链表，当触发回收时，先遍历该链表，将所有对象的 ob_refcnt 复制一份作为“临时计数”；然后递归遍历对象的引用关系，若发现A引用B，则将B的临时计数-1；
清除阶段：遍历链表，若某个对象的临时计数仍>0，说明有外部引用，保留；若临时计数=0，说明仅存在循环引用，标记为“可回收”，随后清除这些对象并释放内存。

触发时机：标记清除不会频繁执行，而是结合“分代回收”触发，避免过度消耗CPU。

三、辅助2：分代回收（Generational GC）

分代回收的核心思想是：存活越久的对象，越不可能被回收，因此可以减少扫描频率，以此提升垃圾回收的整体效率。 Python将对象划分为3个“代”（0/1/2代），对应3个独立的链表：

代的划分规则：

新创建的对象先进入0代链表；
0代链表触发扫描后，未被回收的对象会升级到1代；
1代链表触发扫描后，未被回收的对象会升级到2代。

触发阈值（默认）：

0代：当链表中对象数量达到700个时，触发一次标记清除扫描；
1代：当0代累计扫描10次后，触发1代的标记清除扫描；
2代：当1代累计扫描10次后，触发2代的标记清除扫描。

核心优势：大部分新创建的对象（如临时变量）生命周期短，集中在0代快速扫描；而长期存活的对象（如全局变量）极少扫描，既保证了回收效率，又降低了CPU开销。

四、性能优化：缓存机制（FreeList/小对象池）

为了避免“频繁创建-销毁小对象”带来的性能损耗，Python引入了缓存机制——回收的对象不会立刻销毁，而是放入 free_list （自由列表）缓存，新创建对象时优先从缓存中复用，而非向操作系统申请新内存。

小整数池：Python默认缓存 [-5, 256] 范围内的整数，这些整数会被全局复用，创建时无需重新分配内存；
字符串驻留池：对于纯字母/数字/下划线组成的字符串（标识符），Python会缓存并复用，减少重复创建；
容器free_list：list、dict、tuple等容器对象被回收后，会进入各自的 free_list （如list的free_list默认缓存80个空列表），新创建空容器时直接复用，无需初始化。
关键特点： free_list 中的对象属于“解释器内缓存”，不会被标记清除/分代回收，只有当解释器退出或内存不足时，才会逐步释放给操作系统。

总结

Python内存管理的核心逻辑可概括为：

基础回收：通过 refchain 双向链表管理所有对象，依赖 ob_refcnt 引用计数器完成大部分内存回收；
问题解决：针对循环引用，通过标记清除机制扫描容器对象链表，识别并回收无外部引用的循环对象；
效率提升：分代回收按对象存活时长分级扫描，减少不必要的CPU消耗；
性能优化：通过free_list/小对象池缓存常用对象，避免频繁内存分配/销毁，兼顾易用性与性能。