記憶體管理機制：引用計數、垃圾回收、記憶體池。
一、引用計數：
    引用計數是一種非常高效的記憶體管理手段， 當一個 Python 物件被引用時其引用計數增加 1， 當其不再被一個變數引用時則計數減 1. 當引用計數等於 0 時物件被刪除。
二、垃圾回收 ：
1. 引用計數
      引用計數也是一種垃圾收集機制，而且也是一種最直觀，最簡單的垃圾收集技術。當 Python 的某個物件的引用計數降為 0 時，說明沒有任何引用指向該物件，該物件就成為要被回收的垃圾了。比如某個新建物件，它被分配給某個引用，物件的引用計數變為 1。如果引用被刪除，物件的引用計數為 0，那麼該物件就可以被垃圾回收。不過如果出現迴圈引用的話，引用計數機制就不再起有效的作用了
2. 標記清除
     如果兩個物件的引用計數都為 1，但是僅僅存在他們之間的迴圈引用，那麼這兩個物件都是需要被回收的，也就是說，它們的引用計數雖然表現為非 0，但實際上有效的引用計數為 0。所以先將迴圈引用摘掉，就會得出這兩個物件的有效計數。
3. 分代回收
     從前面“標記-清除”這樣的垃圾收集機制來看，這種垃圾收集機制所帶來的額外操作實際上與系統中總的記憶體塊的數量是相關的，當需要回收的記憶體塊越多時，垃圾檢測帶來的額外操作就越多，而垃圾回收帶來的額外操作就越少；反之，當需回收的記憶體塊越少時，垃圾檢測就將比垃圾回收帶來更少的額外操作。
舉個例子：
     當某些記憶體塊 M 經過了 3 次垃圾收集的清洗之後還存活時，我們就將記憶體塊 M 劃到一個集合A 中去，而新分配的記憶體都劃分到集合 B 中去。當垃圾收集開始工作時，大多數情況都只對集合 B 進行垃圾回收，而對集合 A 進行垃圾回收要隔相當長一段時間後才進行，這就使得垃圾收集機制需要處理的記憶體少了，效率自然就提高了。在這個過程中，集合 B 中的某些記憶體塊由於存活時間長而會被轉移到集合 A 中，當然，集合 A 中實際上也存在一些垃圾，這些垃圾的回收會因為這種分代的機制而被延遲。
三、記憶體池：
1. Python 的記憶體機制呈現金字塔形狀， -1， -2 層主要有作業系統進行操作；
2. 第 0 層是 C 中的 malloc， free 等記憶體分配和釋放函式進行操作；
3. 第 1 層和第 2 層是記憶體池，有 Python 的介面函式 PyMem_Malloc 函式實現，當物件小於256K 時有該層直接分配記憶體；
4. 第 3 層是最上層，也就是我們對 Python 物件的直接操作；Python 在執行期間會大量地執行 malloc 和 free 的操作，頻繁地在使用者態和核心態之間進行切換，這將嚴重影響 Python 的執行效率。為了加速 Python 的執行效率， Python 引入了一個記憶體池機制，用於管理對小塊記憶體的申請和釋放。Python 內部預設的小塊記憶體與大塊記憶體的分界點定在 256 個位元組，當申請的記憶體小於 256 位元組時， PyObject_Malloc 會在記憶體池中申請記憶體；當申請的記憶體大於 256 位元組時， PyObject_Malloc 的行為將蛻化為 malloc 的行為。當然，通過修改 Python 原始碼，我們可以改變這個預設值，從而改變 Python 的預設記憶體管理行為。
四、調優手段
1.手動垃圾回收
2.調高垃圾回收閾值
3.避免迴圈引用