python内存管理机制

python事先分配好的缓冲区

python解释器会事先分配一些缓冲区，这些缓冲区保存一些固定值，例如[-5,256],在一次程序执行过程中，这些值的地址是固定的，是静态缓冲区。
但是每次重新运行程序，解释器会重新分配内存，所以每次运行程序的地址会不同。

可以看出所有的引用都指向一片内存
再给出一个例子：

这里的1，0地址是不变的，变的是X,Y的引用对象，如下图：

string类型，它也有自己的缓冲区，固定的是256个ASCII码字符。
###python重复利用的缓冲区
在python中，除了事先分配好的缓冲区，还会有一些重复利用的动态缓冲区，配合垃圾回收机制，自动将没用的对象清除出缓冲区，以便新的变量可以有内存可用。

从上图可以看出在X大于256之后，保存数字的缓冲区地址在动态变换，但是也有例外的情况：

对于这种情况，应该是编译器对语句进行了优化，因为X=258，然后又判断X是不是258，所以编译器直接进行了跳步，将两句并一句，在编译阶段直接给出了答案。

###容器类的内存分配
Python的容器类对象（表，词典，集合，等）保存的是各个元素的引用，而不是元素本身。
给出一个简单的例子：

根据上图可以看出X,Y的地址并不是X[0],Y[0]的地址，而X[0],Y[0]的地址才是0和1所保存的地址。
对X，Y进行简单的交换，可以得到：

对比上一张图，可以发现Y其实就是X的引用，而X寻找了一片新的内存空间，并没有用Y的地址。其关系如下：

在python中，容器类型即使完全一样也可能存储在不同的地址当中，如图所示：

在图中，打印了5次id，打印出来三个不同的id值。

并且用is判断引用是否相同，给出了False的结果。
再看下边的例子：

这个例子中通过getrefcount函数看到，X,Y,Z各被引用了两次，也就意味着X,Y,Z对应着不同的地址。尽管X,Y,Z的值都是[0,1]，但是每一个都有不同的地址，互不干扰。而单独调用sys.getrefcount([0, 1])发现仅有一次调用记录，也就是getrefcount函数调用的。这说明单独调用[0, 1]会再生成一片空间单独存放该对象，不会去引用X,Y或Z。
python的动态内存管理机制导致动态申请的内存可能刚申请下来，就被当作垃圾回收。给出一个例子：

如图所示，在打印出[0,1]的id之后，该列表就被回收了，进而将地址让给了[2，3]继续使用。

容器类嵌套的地址分布问题

容器类嵌套的地址分布会出现多种可能性

1. 使用进行扩展
   
   可以发现，用进行扩展出来的元素地址都是相同的，可以大致猜出 * 的行为，就是进行浅拷贝，将引用复制成三分，但是这也会造成问题，当给其中一个赋值的时候，其他使用 * 扩展出来的元素也会相应的跟着发生变换。使用生成器可以避免该问题。
   这种情况只会在列表嵌套的情况下发生，如果列表没有嵌套的话，赋值的时候会重新给被赋值的元素开辟一片新的空间
   
   从图中可以看出，当X[0]赋值之后，其id发生了变化。
2. 单独声明
   
   从上图可以看出，三个列表都单独声明的话，会给三个列表不一样的地址，这样就避免了给其中一个赋值，另一个相对应跟着改变的问题。