Python垃圾回收以引用计数为主、标记-清除与分代回收为辅：引用计数实时释放内存但无法处理循环引用；标记-清除专治容器间循环引用；分代回收按对象存活年龄降低扫描开销。

Python 垃圾回收（GC）机制的核心是“引用计数为主，标记-清除与分代回收为辅”。面试中常考的不是背定义，而是能否讲清三种机制如何协同工作、各自解决什么问题、以及为什么缺一不可。

引用计数：最直接的内存释放信号

每个 Python 对象（如 int、list、class 实例）在 CPython 底层都对应一个 PyObject 结构体，其中字段 ob_refcnt 记录当前有多少引用指向它。

• 创建对象（a = [1,2]）、赋值（b = a）、入容器（lst.append(a)）、传参等操作 → 引用计数 +1
• del a、变量重新赋值（a = "new"）、函数退出、从容器弹出或容器销毁 → 引用计数 -1
• 计数归零时，CPython 立即调用 tp_dealloc 释放内存，无需等待 GC 轮询 —— 这就是它的实时性优势

但注意：sys.getrefcount(x) 本身会临时增加一次引用（因传参），结果比真实值大 1；且该机制对循环引用完全失效。

标记-清除：专治循环引用的兜底方案

引用计数无法处理的对象，主要是容器类型（list、dict、set、class 实例等）之间构成的闭环引用。例如：

立即学习“Python免费学习笔记（深入）”；

librosa Python 音频与音乐分析库

librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。

下载

a = []<br>b = []<br>a.append(b)<br>b.append(a)

此时 a 和 b 的引用计数均为 1（彼此持有），但外部已无任何变量引用它们 —— 它们实际已“死亡”，却无法被引用计数回收。

• 标记-清除只作用于“容器对象”，因为只有容器才可能持有其他对象的引用并形成环
• 它不依赖计数，而是从根集（root set）出发：包括栈帧中的局部/全局变量、C 栈上的指针、寄存器等
• 先递归遍历所有可达对象并打上“存活”标记；再扫描全部容器对象，回收未被标记的 —— 即所谓“不可达垃圾”

分代回收：用年龄降低扫描开销

标记-清除若每次全量扫描所有对象，性能代价太高。CPython 引入三代分组策略，基于“越年轻越容易死”的经验规律：

• 新对象默认进入第 0 代；每次 GC 后仍存活的对象，会被移入更高代（0→1→2）
• 代越老，回收频率越低：0 代阈值默认 700（新增 700 个对象就触发），1 代默认每 10 次 0 代回收触发一次，2 代默认每 10 次 1 代回收触发一次
• 可通过 gc.get_threshold() 查看，gc.set_threshold(300, 5, 5) 可手动调优

这样既保证新对象快速清理，又避免反复扫描长期存活的大对象（如全局配置、单例实例）。

GC 模块：可控的调试与干预能力

面试官常问“怎么手动触发或监控 GC？”——关键就在 gc 模块：

• gc.enable()/disable() 控制开关（默认开启）
• gc.collect(generation=0) 强制回收指定代，返回回收对象数量
• gc.get_count() 返回三元组 (n0, n1, n2)，即各代当前对象数
• gc.get_objects(generation=2) 获取某代所有被跟踪对象，适合排查内存泄漏
• gc.set_debug(gc.DEBUG_STATS) 开启日志，看到每次回收释放了多少对象

注意：手动调用 collect() 一般只用于调试或关键资源释放点（如大图处理后），生产环境不建议频繁调用。