Python对象及内存管理机制( 三 ) _Python对象

gc.enable() ：启用自动垃圾回收

gc.disable()：停用自动垃圾回收

gc.isenabled()：如果启用了自动回收则返回 True 。

gc.collect(generation=2)：不设置参数会对所有代执行一次回收

gc.set_threshold(threshold0[, threshold1[, threshold2]])：设置垃圾回收阈值

gc.get_count()：当前回收计数

垃圾回收启动的默认阈值
import gcprint(gc.get_threshold()) 输出：
(700, 10, 10)700是垃圾回收启动的阈值，对象分配数量减去释放数量的值大于 700 时，就会开始进行垃圾回收，每10次0代垃圾回收，会导致一次1代回收；而每10次1代的回收，才会有1次的2代回收。可以使用set_threshold()方法重新设置。
Python内存管理机制：PymallocPymallocPython实现了一个内存池(memory pool)机制，使用Pymalloc对小块内存（小于等于256kb）进行申请和释放管理。
当 Python 频繁地创建和销毁一些小的对象时，底层会多次重复调用 malloc 和 free 等函数进行内存分配。这不仅会引入较大的系统开销，而且还可能产生大量的内存碎片。
内存池的概念就是预先在内存中申请一定数量的内存空间，当有有满足条件的内存请求时，就先从内存池中分配内存给这个需求，如果预先申请的内存已经耗尽，Pymalloc allocator 会再申请新的内存（不能超过预先设置的内存池最大容量）。垃圾回收时，回收的内存归还给内存池。这样做最显著的优势就是能够减少内存碎片，提升效率。
如果应用的内存需求大于 pymalloc 设置的阈值，那么解释器再将这个请求交给底层的 C 函数（malloc/realloc/free等）来实现。
python内存池金字塔

第-1层和-2层：由操作系统操作。
第0层：大内存，若请求分配的内存大于256kb，使用malloc、free 等函数分配、释放内存。
第1层和第2层：由python的接口函数Pymem_Malloc实现，若请求的内存在小于等于256kb时使用该层进行分配。
第3层(最上层）：用户对python对象的直接操作

文章插图
图片来源：https://www.c-sharpcorner.com/article/memory-management-in-python/
总结本文主要介绍了Python的参数传递、浅拷贝、深拷贝，垃圾回收和内存池机制。

Python 中参数的传递既不是值传递，也不是引用传递，而是赋值传递，或者是叫对象的引用传递。需要注意可变对象和不可变对象的区别。比较操作符==比较对象间的值是否相等，而`is比较对象是否指向同一个内存地址。
浅拷贝中的元素是对原对象中子对象的引用，如果父对象中的元素是可变的，改变它的值也会影响拷贝后的对象。深拷贝则会递归地拷贝原对象中的每一个子对象，是对原对象的完全拷贝。
Python垃圾回收包括引用计数、标记清除和分代回收三种，可以使用gc模块来进行垃圾回收的配置。为了减少内存碎片，提升效率，Python使用了Pymalloc来管理小于等于256kb的小内存。