python採用block、pool、arenas三種結構來管理記憶體申請。
入口：//申請nbytes的記憶體：
#undef pyobject_malloc
void *
pyobject_malloc(size_t nbytes)
block *bp;
poolp pool;
poolp next;
uint size;
#ifdef with_valgrind
if (unlikely(running_on_valgrind == -1))
running_on_valgrind = running_on_valgrind;
if (unlikely(running_on_valgrind))
goto redirect;
#endif
* limit ourselves to py_ssize_t_max bytes to prevent security holes.
* most python internals blindly use a signed py_ssize_t to track
* things without checking for overflows or negatives.
* as size_t is unsigned, checking for nbytes < 0 is not required.
if (nbytes > py_ssize_t_max)
return null;
* this implicitly redirects malloc(0).
if ((nbytes - 1) < small_request_threshold) ref; /* number of allocated blocks */
block *freeblock; /* pool's free list head */
struct pool_header *nextpool; /* next pool of this size class */
struct pool_header *prevpool; /* previous pool "" */
uint arenaindex; /* index into arenas of base adr */
uint szidx; /* block size class index */
uint nextoffset; /* bytes to virgin block */
uint maxnextoffset; /* largest valid nextoffset */
typedef struct pool_header *poolp;
維護著很多block記憶體塊。固定4k大小
3、usedpools
python內部維護的usedpools陣列是乙個非常巧妙的實現，維護著所有的處於used狀態的pool。當申請記憶體時，python就會通過usedpools尋找到一塊可用的(處於used狀態的)pool，從中分配乙個block。一定有乙個與usedpools相關聯的機制，完成從申請的記憶體的大小到size class index之間的轉換，否則python也就無法尋找到最合適的pool了。
4、arena，多個pool的集合。初始大小為16*256k=4m，當unused_arena_object為none擴充套件分配2倍增長。
/* record keeping for arenas. */
struct arena_object ;
常見的C記憶體管理錯誤
1 初始化錯誤。例如 malloc 返回的空間沒有進行初始化 2 未檢查返回值 3 對空指標或者無效指標解引用 4 引用已經釋放的記憶體 未定義 例如 for p head p null p p next free p 可以寫成 for p head p null p q 5 對同一塊記憶體釋放多次...
記憶體管理 常見記憶體錯誤及對策
發生記憶體錯誤是 件麻煩事，編譯器不能自動的發現這些錯誤，通常是在程式執行時才能捕捉到，而這些錯誤大多沒有明顯症狀，時隱時現增加了改錯的難度。1 記憶體被分配成功，卻使用了它。如果指標p是函式的引數，那麼在函式的入口處用 assert p null 進行檢查 如果用malloc或new來申請記憶體，...
Python的記憶體管理
最近在學deeplearning相關的內容，找到了deeplearning.net這個 上面的tutorial主要是介紹深度學習演算法，上面的實現是用python語言，用到的庫主要有numpy和theano。numpy大家比較熟悉了，不再細說 theano是乙個進行數學計算的庫，使用者可以更好的定義...