python 的不可变对象（如 float、int、str）在无引用时会立即被垃圾回收器标记为可释放，但实际回收时机由 gc 策略动态决定——并非延迟保存，也非永久驻留；其设计目标是模拟无限内存环境，兼顾性能与内存效率。
python 的不可变对象（如 float、int、str）在无引用时会立即被垃圾回收器标记为可释放，但实际回收时机由 gc 策略动态决定——并非延迟保存，也非永久驻留；其设计目标是模拟无限内存环境，兼顾性能与内存效率。
在 Python 中，执行 k = 1.0 时，解释器确实创建了一个浮点数对象；当执行 k = 1.1 后，原 1.0 对象若无其他引用（如未被放入列表、未作为字典键、未被闭包捕获等），即刻变为不可达对象（unreachable）。此时，CPython 的引用计数机制会立即将其计数归零，并同步触发销毁——包括调用 __del__（若定义）、释放内存。这是 CPython 的核心行为，也是绝大多数不可变小对象的默认处理路径。
例如：
import sys a = 42 print(sys.getrefcount(a)) # 输出通常为 2（含 getrefcount 的临时引用） b = a print(sys.getrefcount(a)) # 输出为 3 del b print(sys.getrefcount(a)) # 恢复为 2（注意：del 不立即减至 1，因 getrefcount 仍引入引用）
⚠️ 注意：sys.getrefcount() 自身会临时增加一次引用，因此结果需结合上下文理解。真正关键的是——一旦引用计数归零，对象立即被销毁，无需等待垃圾收集器（GC）介入。
那么，为何还需要 gc 模块？答案在于循环引用。不可变对象本身无法构成循环引用（因其不能修改属性或容器内容），但像 list、dict、自定义类实例等可变对象可能形成环状引用，导致引用计数永不归零。此时，周期性运行的 gc.collect() 才负责检测并清理这些“僵尸环”。而对 float、int、str 等纯不可变类型，GC 几乎不参与其生命周期管理。
立即学习“Python免费学习笔记（深入）”；
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。
回到原始疑问：以下代码是否会耗尽内存？
from datetime import datetime
while True:
k = datetime.now() # datetime 对象是可变的（有 __dict__、可赋值属性）答案是否定的——datetime 实例虽不可变语义上“逻辑不可变”，但其底层是常规 Python 对象，受引用计数+GC 双重管理。每次迭代中旧 k 引用失效后，对象很快被回收；实测表明该循环可长期运行而内存平稳（可通过 tracemalloc 或 psutil 验证）。
✅ 总结关键点：
- 不可变对象 ≠ 长期驻留：无引用即刻销毁（引用计数归零触发）；
- GC 不是“延迟释放器”，而是“循环引用终结者”；
- “模拟无限内存”不是指保留死对象，而是通过批量化、低频次、高吞吐的内存整理（如分代回收），避免高频
malloc/free带来的系统调用开销与内存碎片； - 对开发者而言：无需手动干预不可变对象生命周期，但应避免在热循环中无意持有大对象引用（如向全局列表持续
append）。
因此，Python 的内存管理不是“懒惰”，而是以确定性（引用计数）为基石，以弹性（GC）为补充的高效协同机制。
