內存原理
內存池機制
Python中有分爲大內存和小內存：（256K爲界限分大小內存）
1、大內存使用malloc進行分配
2、小內存使用內存池進行分配
3、Python的內存池(金字塔)
第3層：最上層，用戶對Python對象的直接操作
第1層和第2層：內存池，有Python的接口函數PyMem_Malloc實現-----若請求分配的內存在1~256字節之間就使用內存池管理系統進行分配，調用malloc函數分配內存，但是每次只會分配一塊大小爲256K的大塊內存，不會調用free函數釋放內存，將該內存塊留在內存池中以便下次使用。
第0層：大內存-----若請求分配的內存大於256K，malloc函數分配內存，free函數釋放內存。
第-1，-2層：操作系統進行操作
在 C 中如果頻繁的調用 malloc 與 free 時,是會產生性能問題的.再加上頻繁的分配與釋放小塊的內存會產生內存碎片. Python 在這裏主要乾的工作有:
如果請求分配的內存在1~256字節之間就使用自己的內存管理系統,否則直接使用 malloc.
這裏還是會調用 malloc 分配內存,但每次會分配一塊大小爲256k的大塊內存.
經由內存池登記的內存到最後還是會回收到內存池,並不會調用 C 的 free 釋放掉.以便下次使用.對於簡單的Python對象，例如數值、字符串，元組（tuple不允許被更改)採用的是複製的方式(深拷貝?)，也就是說當將另一個變量B賦值給變量A時，雖然A和B的內存空間仍然相同，但當A的值發生變化時，會重新給A分配空間，A和B的地址變得不再相同
對於像字典(dict)，列表(List)等，改變一個就會引起另一個的改變，也稱之爲淺拷貝
內存回收
當Python中的對象越來越多，它們將佔據越來越大的內存。不過你不用太擔心Python的體形，它會乖巧的在適當的時候“減肥”，啓動垃圾回收(garbage collection)，將沒用的對象清除。
從基本原理上，當Python的某個對象的引用計數降爲0時，說明沒有任何引用指向該對象，該對象就成爲要被回收的垃圾了。比如某個新建對象，它被分配給某個引用，對象的引用計數變爲1。如果引用被刪除，對象的引用計數爲0，那麼該對象就可以被垃圾回收。
Python同時採用了分代(generation)回收的策略。這一策略的基本假設是，存活時間越久的對象，越不可能在後面的程序中變成垃圾。我們的程序往往會產生大量的對象，許多對象很快產生和消失，但也有一些對象長期被使用。出於信任和效率，對於這樣一些“長壽”對象，我們相信它們的用處，所以減少在垃圾回收中掃描它們的頻率。
Python將所有的對象分爲0，1，2三代。所有的新建對象都是0代對象。當某一代對象經歷過垃圾回收，依然存活，那麼它就被歸入下一代對象。垃圾回收啓動時，一定會掃描所有的0代對象。如果0代經過一定次數垃圾回收，那麼就啓動對0代和1代的掃描清理。當1代也經歷了一定次數的垃圾回收後，那麼會啓動對0，1，2，即對所有對象進行掃描。
這兩個次數即上面get_threshold()返回的(700, 10, 10)返回的兩個10。也就是說，每10次0代垃圾回收，會配合1次1代的垃圾回收；而每10次1代的垃圾回收，纔會有1次的2代垃圾回收。
引用環的存在會給上面的垃圾回收機制帶來很大的困難。
爲了回收這樣的引用環，Python複製每個對象的引用計數，可以記爲gc_ref。假設，每個對象i，該計數爲gc_ref_i。Python會遍歷所有的對象i。對於每個對象i引用的對象j，將相應的gc_ref_j減1。
在結束遍歷後，gc_ref不爲0的對象，和這些對象引用的對象，以及繼續更下游引用的對象，需要被保留。而其它的對象則被垃圾回收。
值得注意的是
1、垃圾回收時，Python不能進行其它的任務，頻繁的垃圾回收將大大降低Python的工作效率；
2、Python只會在特定條件下，自動啓動垃圾回收（垃圾對象少就沒必要回收）
3、當Python運行時，會記錄其中分配對象(object allocation)和取消分配對象(object deallocation)的次數。當兩者的差值高於某個閾值時，垃圾回收纔會啓動。