一、概述：

Python的GC模塊主要運用了“引用計數(shù)”（reference counting）來跟蹤和回收垃圾 。 在引用計數(shù)的基礎上，還可以通過“標記-清除”（mark and sweep）解決容器對象可能產生的循環(huán)引用的問題 。 通過“分代回收”（generation collection）以空間換取時間來進一步提高垃圾回收的效率 。

二、引用計數(shù)

在Python中，大多數(shù)對象的生命周期都是通過對象的引用計數(shù)來管理的。從廣義上來講，引用計數(shù)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。

原理：當一個對象的引用被創(chuàng)建或者復制時，對象的引用計數(shù)加1；當一個對象的引用被銷毀時，對象的引用計數(shù)減1；當對象的引用計數(shù)減少為0時，就意味著對象已經(jīng)沒有被任何人使用了，可以將其所占用的內存釋放了。
雖然引用計數(shù)必須在每次分配和釋放內存的時候加入管理引用計數(shù)的動作，然而與其他主流的垃圾收集技術相比，引用計數(shù)有一個最大的有點，即“實時性”，任何內存，一旦沒有指向它的引用，就會立即被回收。而其他的垃圾收集計數(shù)必須在某種特殊條件下（比如內存分配失敗）才能進行無效內存的回收。

引用計數(shù)機制執(zhí)行效率問題：引用計數(shù)機制所帶來的維護引用計數(shù)的額外操作與Python運行中所進行的內存分配和釋放，引用賦值的次數(shù)是成正比的。而這點相比其他主流的垃圾回收機制，比如“標記-清除”，“停止-復制”，是一個弱點，因為這些技術所帶來的額外操作基本上只是與待回收的內存數(shù)量有關。
如果說執(zhí)行效率還僅僅是引用計數(shù)機制的一個軟肋的話，那么很不幸，引用計數(shù)機制還存在著一個致命的弱點，正是由于這個弱點，使得俠義的垃圾收集從來沒有將引用計數(shù)包含在內，能引發(fā)出這個致命的弱點就是循環(huán)引用（也稱交叉引用）。

問題說明：

循環(huán)引用可以使一組對象的引用計數(shù)不為0，然而這些對象實際上并沒有被任何外部對象所引用，它們之間只是相互引用。這意味著不會再有人使用這組對象，應該回收這組對象所占用的內存空間，然后由于相互引用的存在，每一個對象的引用計數(shù)都不為0，因此這些對象所占用的內存永遠不會被釋放。比如：

            
a = []
b = []
a.append(b)
b.append(a)
print a
[[[…]]]
print b
[[[…]]]

          

這一點是致命的，這與手動進行內存管理所產生的內存泄露毫無區(qū)別。
要解決這個問題，Python引入了其他的垃圾收集機制來彌補引用計數(shù)的缺陷：“標記-清除”，“分代回收”兩種收集技術。

三、標記-清除

“標記-清除”是為了解決循環(huán)引用的問題?？梢园渌麑ο笠玫娜萜鲗ο螅ū热纾簂ist，set，dict，class，instance）都可能產生循環(huán)引用。
我們必須承認一個事實，如果兩個對象的引用計數(shù)都為1，但是僅僅存在他們之間的循環(huán)引用，那么這兩個對象都是需要被回收的，也就是說，它們的引用計數(shù)雖然表現(xiàn)為非0，但實際上有效的引用計數(shù)為0。我們必須先將循環(huán)引用摘掉，那么這兩個對象的有效計數(shù)就現(xiàn)身了。假設兩個對象為A、B，我們從A出發(fā)，因為它有一個對B的引用，則將B的引用計數(shù)減1；然后順著引用達到B，因為B有一個對A的引用，同樣將A的引用減1，這樣，就完成了循環(huán)引用對象間環(huán)摘除。
但是這樣就有一個問題，假設對象A有一個對象引用C，而C沒有引用A，如果將C計數(shù)引用減1，而最后A并沒有被回收，顯然，我們錯誤的將C的引用計數(shù)減1，這將導致在未來的某個時刻出現(xiàn)一個對C的懸空引用。這就要求我們必須在A沒有被刪除的情況下復原C的引用計數(shù)，如果采用這樣的方案，那么維護引用計數(shù)的復雜度將成倍增加。

原理：“標記-清除”采用了更好的做法，我們并不改動真實的引用計數(shù)，而是將集合中對象的引用計數(shù)復制一份副本，改動該對象引用的副本。對于副本做任何的改動，都不會影響到對象生命走起的維護。
這個計數(shù)副本的唯一作用是尋找root object集合（該集合中的對象是不能被回收的）。當成功尋找到root object集合之后，首先將現(xiàn)在的內存鏈表一分為二，一條鏈表中維護root object集合，成為root鏈表，而另外一條鏈表中維護剩下的對象，成為unreachable鏈表。之所以要剖成兩個鏈表，是基于這樣的一種考慮：現(xiàn)在的unreachable可能存在被root鏈表中的對象，直接或間接引用的對象，這些對象是不能被回收的，一旦在標記的過程中，發(fā)現(xiàn)這樣的對象，就將其從unreachable鏈表中移到root鏈表中；當完成標記后，unreachable鏈表中剩下的所有對象就是名副其實的垃圾對象了，接下來的垃圾回收只需限制在unreachable鏈表中即可。

四、分代回收

背景：分代的垃圾收集技術是在上個世紀80年代初發(fā)展起來的一種垃圾收集機制，一系列的研究表明： 無論使用何種語言開發(fā)，無論開發(fā)的是何種類型，何種規(guī)模的程序，都存在這樣一點相同之處。即：一定比例的內存塊的生存周期都比較短，通常是幾百萬條機器指令的時間，而剩下的內存塊，起生存周期比較長，甚至會從程序開始一直持續(xù)到程序結束 。
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(tǒng)中總的內存塊的數(shù)量是相關的，當需要回收的內存塊越多時，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，當需回收的內存塊越少時，垃圾檢測就將比垃圾回收帶來更少的額外操作 。為了提高垃圾收集的效率，采用“空間換時間的策略”。

原理：將系統(tǒng)中的所有內存塊根據(jù)其存活時間劃分為不同的集合，每一個集合就成為一個“代”，垃圾收集的頻率隨著“代”的存活時間的增大而減小。也就是說，活得越長的對象，就越不可能是垃圾，就應該減少對它的垃圾收集頻率。那么如何來衡量這個存活時間：通常是利用幾次垃圾收集動作來衡量，如果一個對象經(jīng)過的垃圾收集次數(shù)越多，可以得出：該對象存活時間就越長。

舉例說明：

當某些內存塊M經(jīng)過了3次垃圾收集的清洗之后還存活時，我們就將內存塊M劃到一個集合A中去，而新分配的內存都劃分到集合B中去。當垃圾收集開始工作時，大多數(shù)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后才進行，這就使得垃圾收集機制需要處理的內存少了，效率自然就提高了。在這個過程中，集合B中的某些內存塊由于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。
在Python中，總共有3“代”，也就是Python實際上維護了3條鏈表。具體可以查看Python源碼詳細了解。