1、引用计数
即是内存管理手段，又是垃圾回收机制。当对象引用计数降为0时，说明没有任何引用指向该对象，则回收。但出现循环引用的话，引用计数机制不再起作用。
2、标记清除
如果两个对象引用计数都为1，但仅仅存在他们之间的循环引用，那么这两个对象都回收的，也就是说虽然引用计数虽然表现为非0，但实际有效引用计数为0，所以先将引用摘掉，就会得出这两个对象的有效计数。
3、分代回收
从前面“标记-清除”这样的垃圾收集机制来看，这种垃圾收集机制所带来的额外操作实际上与系统 中总的内存块的数量是相关的，当需要回收的内存块越多时，垃圾检测带来的额外操作就越多，而垃圾 回收带来的额外操作就越少;反之，当需回收的内存块越少时，垃圾检测就将比垃圾回收带来更少的额 外操作。
举个例子:
当某些内存块 M 经过了 3 次垃圾收集的清洗之后还存活时，我们就将内存块 M 划到一个集合A 中去，而新分配的内存都划分到集合 B 中去。当垃圾收集开始工作时，大多数情况都只对集合 B 进 行垃圾回收，而对集合 A 进行垃圾回收要隔相当长一段时间后才进行，这就使得垃圾收集机制需要处 理的内存少了，效率自然就提高了。在这个过程中，集合 B 中的某些内存块由于存活时间长而会被转 移到集合 A 中，当然，集合 A 中实际上也存在一些垃圾，这些垃圾的回收会因为这种分代的机制而 被延迟。
内存池:
- Python 的内存机制呈现金字塔形状，-1，-2 层主要有操作系统进行操作;
- 第 0 层是 C 中的 malloc，free 等内存分配和释放函数进行操作;
- 第 1 层和第 2 层是内存池，有 Python 的接口函数 PyMem_Malloc 函数实现，当对象小于
256K 时有该层直接分配内存; - 第 3 层是最上层，也就是我们对 Python 对象的直接操作;
Python 在运行期间会大量地执行 malloc 和 free 的操作，频繁地在用户态和核心态之间进行切
换，这将严重影响 Python 的执行效率。为了加速 Python 的执行效率，Python 引入了一个内存池 机制，用于管理对小块内存的申请和释放。
Python 内部默认的小块内存与大块内存的分界点定在 256 个字节，当申请的内存小于 256 字节 时，PyObject_Malloc 会在内存池中申请内存;当申请的内存大于 256 字节时，PyObject_Malloc 的 行为将蜕化为 malloc 的行为。当然，通过修改 Python 源代码，我们可以改变这个默认值，从而改 变 Python 的默认内存管理行为。
调优手段(了解)
1.手动垃圾回收
2.调高垃圾回收阈值
3.避免循环引用(手动解循环引用和使用弱引用)
转载于：Copyright©2018 黑马程序员 http://www.itheima.com
