解释器

解释器将代码编译成字节码执行。

查看字节码

使用__code__.co_code查看字节码;函数名不加括号在前

字节码的反汇编

将字节码以人类可读的方式输出
导入dis模块,使用dis.dis(函数名)查看
可以简单的产看解释器的执行过程
输出分为5列，分别代表：字节码对应在源码中的行号，字节码在字节码串中的第几个字节，字节码人类可读的命名，字节码参数，字节码参数的内容

帧

帧是包含一端代码运行时所需的信息和环境，当调用一次函数时，就是进栈，函数结束时，栈被弹出，使用return value弹入下一个栈。每一帧对应一个函数的调用。一个函数可能有多个帧，比如递归(函数调用本身)

栈

python解释器包含常用的三种栈，调用栈，数据栈，块栈。
调用栈：执行字节码时操作
数据栈:执行函数时操作
快栈:执行特定的控制流(循环、判断)

全局锁GIL

是让解释器在同一时刻仅有一个线程可被调度执行。对单核高效简单。
多核的话可以采用进程加协程来发挥多核环境计算能力
对于I-O密集型任务，线程会在发生阻塞时主动释放GIL,以便其他线程执行。
对于计算密集型任务，采取超时策略：
超时后，依然无法获取锁，则发出请求。对正在执行的线程在解释循环内会检查该标记，然后释放锁，切换其他线程执行，其自身进入等待状态(典型的协作机制)
CPython使用系统线程，且没有实现线程调度。所以,具体等待哪个线程被切换执行，有操作系统决定,甚至发出请求和被切换执行的也未必是用一线程。

垃圾回收

引用计数

每个对象头部都有一个引用计数器。引用该对象时，计数增加，反之减少。当技术归0时，立即调用回收函数清理并释放内存。
但引用计数一旦出错或忘记调用，要么计数无法归零导致内存泄漏，要么忘记增加计数让对象提前回收。
他还会引起内存管理问题，对象在传递过程中，即便内容未被修改，可引用计数依然让其内存发生了变动。这可能会导致CPU缓存错失率提升，甚至让写时复制(Copy-On-Write)机制失效。

循环引用

为实现循环引用垃圾回收，所有可能导致问题的容器类型，都必须使用专门的内存分配函数。