Python中list的内存分配

1、创建时：

if (numfree) {
    numfree--;
    op = free_list[numfree];
    _Py_NewReference((PyObject *)op);
} else {
    op = PyObject_GC_New(PyListObject, &PyList_Type);
    if (op == NULL)
        return NULL;
}

首先检查list的缓冲池free_list中是否有可用的list，如果有则直接使用其内存

如果没有则调用PyObject_GC_New分配新的内存空间

free_list初始大小为空，最大的大小为PyList_MAXFREELIST，默认定义为80

 

2、销毁时：

static void
list_dealloc(PyListObject *op)
{
    Py_ssize_t i;
    PyObject_GC_UnTrack(op);
    Py_TRASHCAN_SAFE_BEGIN(op)
    if (op->ob_item != NULL) {
        i = Py_SIZE(op);
        while (--i >= 0) {
            Py_XDECREF(op->ob_item[i]);
        }
        PyMem_FREE(op->ob_item);
    }
    if (numfree < PyList_MAXFREELIST && PyList_CheckExact(op))
        free_list[numfree++] = op;
    else
        Py_TYPE(op)->tp_free((PyObject *)op);
    Py_TRASHCAN_SAFE_END(op)
}

销毁时，首先将所有元素，即ob_item中的所有引用指向-1，然后对ob_item进行free

之后检查缓冲池是否已经达到上限，如果没有则不销毁list，而是将list放进缓冲池中等待下次利用。

如果缓冲池已经达到PyList_MAXFREELIST的上限，则销毁该list。

 

3、resize时：

对于list中所有会改变其大小的操作，都会触发list_resize函数

list_resize接收两个参数，list本身和新的大小

其中，extends设置的新大小为 m + n

pop设置的新大小为Py_SIZE(self) - 1

append设置的新大小为n+1

    if (allocated >= newsize && newsize >= (allocated >> 1)) {
        assert(self->ob_item != NULL || newsize == 0);
        Py_SIZE(self) = newsize;
        return 0;
    }

首先检查新大小与已分配大小的关系，如果新要求的大小在已分配空间之下并且大于已分配大小的1/2时，则直接改变ob_size，不进行内存调整。

否则，若新要求的大小大于已分配空间则现有空间不够，若小于已分配空间的一半了则需进行内存优化，所以需要进行内存的重新调整。

为了避免每插入新增一个元素就要重新分配内存导致效率的降低，list的内存分配采用跳跃式增长

    new_allocated = (newsize >> 3) + (newsize < 9 ? 3 : 6);

    /* check for integer overflow */
    if (new_allocated > PY_SIZE_MAX - newsize) {
        PyErr_NoMemory();
        return -1;
    } else {
        new_allocated += newsize;
    }

及新分配的空间为 新大小 + 新大小的1/8 + 3（新大小小于9）否则为6

及这个'跳跃'的高度由newsize的大小决定，容量越大，增长的也越大。