Python提供了自动化的内存管理，提供的内存空间的分配与释放都是由Python解释器在运行时自动进行的，自动管理内存能够极大地减少程序员的工作负担，也能够帮助程序员在一定会模拟解决内存丢失的问题。以CPython解释器为例，它的内存管理有三个关键点：引用计数、标记清理、分代收集。
引用计数：对于CPython解释器来说其实，Python中的每一个对象就是PyObject结构体，它的内部都有一个名为ob_refcnt的引用计数成员变量。程序在运行的过程中ob_refcnt的值会被更新并吸来反映引用有多少个引用到该对象。当对象的引用计数值为0时，它的内存就会被释放掉。
typedef struct _object {
_PyObject_HEAD_EXTRA
Py_ssize_t ob_refcnt;
struct _typeobject *ob_type;
} PyObject;
以下情况会导致引用计数加1：
- 对象被创建
- 对象被引用
- 对象作为参数转换为一个函数中
- 对象作为元素存储到一个容器中
以下情况会导致引用计数减少1：
- 使用
del语句显示删除对象引用 - 对象引用被重新赋予其他对象
- 一个对象离开它所在的作用域
- 持有该对象的容器本身被引入
- 持有该对象的容器删除该对象
可以通过sys模块的getrefcount函数来获得对象的引用计数。引用计数的内存管理方式在遇到循环引用的时候就会出现致命伤，因此需要其他的垃圾恢复算法对其进行补充。
标记清理：CPython 使用“标记清理”（Mark and Sweep）算法解决容器类型可能产生的循环引用问题。该算法在垃圾回收时分为两个阶段：标记阶段，遍历所有的对象，如果对象是可的到达的（被其他对象引用），那么就标记该对象为可达性；清除阶段，再次遍历对象，如果发现某个对象没有标记为可达性，则将其恢复。CPython底层维护了两个双端链表，一个链表存放着需要被扫描的容器对象（姑且称链表A），另一个链表存放着临时不触及对象（姑且称链表B）。为了实现“标记-清理”算法，链表中的每个节点除了有记录当前引用计数的ref_count指针外，还有一个gc_ref指针，这个gc_ref是ref_count一个副本，所以初始化达到ref_count的大小。执行垃圾回收时，首先遍历链表A中的所指针，并将当前对象引用的所有对象的gc_ref减少1，这一步主要作用是解除循环引用对引用计数的影响。再次遍历链表A中的节点，如果节点的gc_ref值0，那么这个对象就被标记为“暂时不邻近”（GC_TENTATIVELY_UNREACHABLE）并被移动到链表B中；如果节点的gc_ref不为0，那么这个对象就会被标记为“邻近”（GC_REACHABLE），对于”邻近“对象，再相邻的节点可以标记为”可到达“；链表B中被标记为“临近”的节点要重新放回到链表A中。在两次遍历之后，链表B中的节点就是需要释放内存的节点。
分代回收：在循环引用对象的回收中，整个应用程序会被暂停，为了减少应用程序暂停的时间，Python 通过分代回收（空间换时间）的方法提高垃圾回收效率。分代回收的基本思想是：对象存在的时间越长，是垃圾的可能性很小，应该采取这样的对象进行垃圾回收。CPython 将对象分成不同的世代分别记为0、1、2，每个新生对象都在第一0代中，如果该物体在以惊人的垃圾恢复扫描中傍晚下来，那么就会被移到第三1代中，存在于第一1代的物体很快就会被垃圾恢复扫描到；如果在对第一1代进行垃圾恢复扫描这时，这个对象又下来了，那么就会被移至第2代中，那里被垃圾回收扫描的次数将会更少。分代回收扫描的门网关可以通过模块的函数来获得gc，get_threshold该函数返回一个三元组，分别表示多少次内存分配操作后会执行0代垃圾恢复，多少次0代垃圾恢复后会执行1代垃圾恢复，多少次1代垃圾恢复后会执行2代垃圾恢复。需要说明的是，如果执行修改一次2代垃圾恢复，那么比它年轻的一代都要执行垃圾恢复。如果想这几个门，可以通过gc模块的set_threshold函数来实现。
