1.小塊空間的內存池
在Python中，許多時候申請的內存都是小塊的內存，這些小塊內存在申請后，很快又會
被釋放，由于這些內存的申請并不是為了創建對象，所以并沒有對象一級的內存池機制。這就
意味著Python在運行期間會大量地執行malloc和free的操作，頻繁地在用戶態和核心態之間
進行切換，這將嚴重影響Python的執行效率。為了加速Python的執行效率，Python引入了一
個內存池機制，用于管理對小塊內存的申請和釋放。這也就是之前提到的Pymalloc機制.
2.在Python2.5中，Python內部默認的小塊內存與大塊內存的分界點定在256個字節，這個
分界點由前面我們看到的名為SMALL_REQUEST_THRESHOLD的符號控制。也就是說，當申
請的內存小于256字節時，PyObject_Malloc會在內存池中申請內存；當申請的內存大于256
字節時，PyObject_Malloc的行為將蛻化為malloc的行為。當然，通過修改Python源代碼，我
們可以改變這個默認值，從而改變Python的默認內存管理行為。
3.在一個對象的引用計數減為0時，與該對象對應的析構函數就會被調用，但是要特別注意的是，調用析構函數并不意味著最終一定會調用free釋放內存空間，如果真是這樣的話，那頻繁地申請、釋放內存空間會使
Python的執行效率大打折扣（更何況
Python已經多年背負了人們對其執行效率的不滿）。一般來說，
Python中大量采用了內存對象池的技術，使用這種技術可以避免頻繁地申請和釋放內存空間。因此在析構時，通常都是將對象占用的空間歸還到內存池中。
"這個問題就是:
Python的arena從來不釋放pool。這個問題為什么會引起類似于內存泄漏的現象呢。考慮這樣一種情形，申請10*1024*1024個16字節的小內存，這就意味著必須使用160M的內存，由于
Python沒有默認將前面提到的限制內存池的WITH_MEMORY_LIMITS編譯符號打開，所以
Python會完全使用arena來滿足你的需求，這都沒有問題，關鍵的問題在于過了一段時間，你將所有這些16字節的內存都釋放了，這些內存都回到arena的控制中，似乎沒有問題。但是問題恰恰就在這時出現了。因為arena始終不會釋放它維護的pool集合，所以這160M的內存始終被
Python占用，如果以后程序運行中再也不需要160M如此巨大的內存，
這點內存豈不是就浪費了？"
python內存管理規則:
del的時候,把list的元素釋放掉,把管理元素的大對象回收到py對象緩沖池里.