全局解释锁（GIL）
线程全局锁(Global Interpreter Lock),即Python解析器(CPython)为了保证线程安全而采取的独立线程运行的限制,可以理解为对于任何Python程序，不管有多少的处理器，任何时候都总是只有一个线程在执行。
所以，Python 的线程更适用于处理I/O密集型任务(因为等待IO的时候，CPU去执行其他线程)，而不是需要多处理器并行的计算密集型任务。
内存管理
垃圾回收
Python GC主要使用引用计数来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”解决容器对象可能产生的循环引用问题，通过“分代回收”（generation collection）以空间换时间的方法提高垃圾回收效率。
引用计数
python里每一个东西都是对象，它们的核心就是一个结构体：PyObject，有当一个对象有新的引用时，它的ob_refcnt就会增加，当引用它的对象被删除，它的ob_refcnt就会减少。当引用计数为0时，改对象的生命也结束了。
typedef struct_object {int ob_refcnt;struct_typeobject *ob_type;} PyObject;
import sys
# 可以使用sys.getrefcount()来查看当前对象的引用数，
# 由于对象作为sys.getrefcount()的参数，所以会比期望的多1。
a = 123
sys.getrefcount(a)
引用计数增加场景：
- 创建对象的别名， n = m = Object()
- 作为容器对象的一个元素， n = [Object]
- 作为参数传递给函数
引用计数减少场景：
- 对象别名被显示的销毁,del a
- 对象的别名被赋值给其他对象
- 从一个集合对象中移除，或者集合对象被销毁
- 一个本地引用离开当前作用域，比如作为函数参数时，函数执行结束
但是引用计数机制带来一个问题，无法处理循环引用的问题，list1与list2的引用计数也仍然为1，所占用的内存永远无法被回收，导致内存泄漏。
list1 = []
list2 = []
list1.append(list2)
list2.append(list1)
分代回收
分代回收的整体思想是：将系统中的所有内存块根据其存活时间划分为不同的集合，每个集合就成为一个“代”，垃圾收集频率随着“代”的存活时间的增大而减小，存活时间通常利用经过几次垃圾回收来度量。Python默认定义了三代对象集合，引用数越大，对象存活时间越长。
检测循环引用
<br />每次当你创建一个对象或其他什么值的时候，Python会将其加入零代链表，Python会循环遍历零代列表上的每个对象，检查列表中每个互相引用的对象，根据规则减掉其引用计数。在这个过程中，Python会一个接一个的统计内部引用的数量以防过早地释放对象。<br />
回收阈值
在垃圾回收时python会”stop the world”，当Python运行时，Python分配内存的次数减去释放内存的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。
import gc
gc.get_threshold() (700, 10, 10) # 0代，1代，2代的垃圾回收
gc.collect() # 手动启动垃圾回收
内存池机制
Layer3（对象缓冲池）
- 整数对象缓冲池：对于[-5,257]这样的小整数，系统已经初始化好，可以直接拿来用。
- String对象缓冲池：256个Ascii码进行了对象缓冲池
-
Layer2（内存池）
大内存使用malloc进行分配（256K为界限分大小内存）
- 小内存使用内存池进行分配
参考文档：
Python程序运行的原理： http://www.cnblogs.com/restran/p/4903056.html
https://www.cnblogs.com/webber1992/p/6597166.html
https://blog.csdn.net/lxlmycsdnfree/article/details/78782165
https://docs.python.org/zh-cn/3.7/library/gc.html#module-gc
Python与Ruby的垃圾回收：https://www.cnblogs.com/pinganzi/p/6646742.html#_label0
Python内存池：https://blog.csdn.net/zhzhl202/article/details/7547445
Python内存管理：https://www.cnblogs.com/geaozhang/p/7111961.html#yinyongjishu
全局解释器：https://www.cnblogs.com/lidagen/p/7237674.html
内存泄漏：https://www.cnblogs.com/xybaby/p/7491656.html
https://www.cnblogs.com/xybaby/p/7491656.html#_label_9
若有收获，就点个赞吧
0 人点赞
