Python缓存机制

1. 什么是缓存机制

　　Python对象在创建的时候，会为其开辟一个内存，当变量引用该对象时，实际上是指向该对象的内存地址，当该对象不在被引用，会被垃圾回收机制回收，释放内存。但是Python为了解决对象创建—开辟内存，对象回收—释放内存这么一个对内存反复操作导致时间的浪费，就有了缓存池这一概念来管理一些常见的对象，当对象的引用计数为0时，他从refchain链表中删除，并不是直接销毁，而是放到了一个free_list的链表中进行缓存，当出现一个类型相同的对象时，直接用他的上一个对象的内存地址，只需在refchain中对其值进行初始化即可。

2. 缓存池机制

　　Python在启动时，会创建一部分对象并将他们放置缓存池中，当引用这些对象时，不会重新创建，而是直接引用缓存，如整型[ -5 —256 ]，布尔类型，字符串类型

　　1. 整型

 　　2. 布尔类型

　　3. 字符串

3. 驻留机制

　　1. python的驻留机制是python系统内部维护了一个叫 “interned” 的字典，当允许被驻留的数据首次创建时，会被记录到该字典中，如果在 “同一个代码块中（代码块可以是一个模块，一个函数，一个类，一个文件）” 该数据被删除或者被其他对象再次引用时，不开辟新的内存空间，而是直接指向驻留空间中的内存地址，这样可以大量的节省内存空间。不同版本的驻留机制可能不太相同，以3.7版本为例：整型、浮点型、布尔型，字符型都满足驻留机制。

　　举个例子：

　　　当a = 11111，b 也引用11111这个对象，则b的地址直接执行11111的内存地址，不在重新创建新的内存地址

　　元组，列表，集合，字典他们不符合驻留机制，即使他们的元素内容相同，所执行的内存地址也是不相同的，但是空元组的内存地址却是相同的。

　　元组：

　　列表：

4. free_list机制

　　free_list机制是对特定的数据类型的缓存而进行的存储链表，如[-5 — 256 ]外的整型、大于0的浮点型、以及列表，集合，元组和字典，当我们引用计数器为0时，应该启用垃圾回收机制回收该内存空间，但实际上python并没有直接回收，“在不同的代码块中（注意）” 而是将对象添加到一个叫 “free_list” 的列表中作为缓存，这个机制就叫做 “free_list机制”。这是做什么呢？这就是为了在以后再创建对象时，不再重新开辟内存，而是使用 free_list 中的内存空间。

　　举个例子

　　　s1 = 333　　(id(s1)，内存地址是2253215090224)

　　　del s1　　　删除s1，则333这个对象的引用技术为0，从refchain链表中删除，将这个类型的内存地址放在了free_list中

　　　s2 = 666　　(id(s2)，内存地址为2253215090224)，指向了在free_list中缓存的地址，只是将内存地址初始化重新赋值放到refchain链表中

　　　但是，对于小于0的浮点数，则不会进入free_list中缓存，而是直接进行回收，创建的时候在开辟内存

　　1. 元组的缓存机制

　　　　元组的缓存利用下标进行，最大索引是20，即元组的元素最大不超过20个，每个索引的链表存储这相同元素数量的对象，每个链表最多存储2000个对象，也就是说（1,2,3,4）和（'a','b',1,2）是在相同的索引链表中存储，当一个元组对象被删除或者创建时，他会去和元组中元素个数相同的索引下去寻找是否存在空闲的地址，存在则引用该地址重新赋值即可。

 　　代码结果：

　　2. 列表的缓存机制

　　　列表和元组的free_list机制不同，列表的缓存数量最多为80个，超出则进行回收

　　3. 字典的缓存机制

　　　　字典的机制和列表是一样的，最多为80个