Python垃圾回收是引用计数、分代机制和标记-清除三者协作的分层流程：引用计数实时销毁零引用对象；分代机制按存活时间将对象分为三代并分级扫描；标记-清除专解循环引用，从根集标记可达对象后回收未标记对象。
Python 的垃圾回收不是单一动作，而是一套分层协作的流程：引用计数实时清理、分代机制按对象年龄调度扫描、标记-清除专解循环引用。三者共同确保内存不堆积，也不频繁停顿。
引用计数：最底层的即时回收
每个 Python 对象头部都存有 ob_refcnt 字段，记录当前有多少变量或容器在引用它。只要这个数归零，对象立刻被销毁，不等任何其他机制介入。
以下操作会直接影响计数：
- 赋值（
a = obj）、传参、放入列表/字典 → 计数 +1 -
del a、变量重赋值、函数退出、容器清空 → 计数 −1 -
sys.getrefcount(obj)本身会临时加 1，查看时需注意偏移
优点是响应快、无延迟；缺点是无法处理 a.append(b); b.append(a) 这类互相持有引用的情况——它们的计数永远 ≥1，但实际已脱离程序逻辑。
立即学习“Python免费学习笔记（深入）”；
分代回收：按“存活时间”分级扫描
CPython 将对象划分为三代（0、1、2），依据是“越新的对象越可能很快死亡”。每代维护独立计数器，达到阈值即触发对应层级的扫描：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 第 0 代：新创建对象，默认阈值 700。每当新分配对象数 − 已回收数 ≥ 700，就扫描 0 代中不可达对象
- 第 1 代：从 0 代幸存下来的对象。每执行 10 次 0 代回收，自动触发一次 1 代回收（扫描 0+1 代）
- 第 2 代：长期存活对象。每执行 10 次 1 代回收，触发一次全量扫描（0+1+2 代）
这种设计大幅减少对老对象的重复检查，兼顾效率与可靠性。你可以用 gc.get_threshold() 查看当前阈值，用 gc.set_threshold(500, 5, 5) 调整频率。
标记-清除：专治循环引用的兜底手段
当分代回收（或手动调用 gc.collect()）启动时，GC 进入标记-清除阶段：
- 标记：从根集（如栈帧变量、全局命名空间）出发，递归遍历所有可达对象并打标
- 清除：回收所有未被标记的对象——哪怕它们的引用计数不为 0（比如因循环引用卡在 1）
注意：含 __del__ 方法的对象可能无法被标记-清除回收，因为析构顺序不确定，GC 会跳过它们并放入 gc.garbage 列表供人工干预。
手动触发与调试控制
默认情况下 GC 是启用的，但你可在特定时机主动干预：
-
gc.collect()：完整回收，返回本次清理的不可达对象数量 -
gc.collect(0)：只清理第 0 代，开销最小，适合高频轻量清理 -
gc.disable()：关闭自动 GC（仅限确认无循环引用的极简场景） -
gc.set_debug(gc.DEBUG_STATS)：输出每次回收的统计摘要到 stderr -
gc.set_debug(gc.DEBUG_SAVEALL)：把无法回收的对象存入gc.garbage，便于排查泄漏
典型适用场景包括：批量数据处理后、长周期服务的定时清理、或怀疑存在隐性循环引用时的诊断阶段。
