参考链接：https://blog.csdn.net/tab_space/article/category/5981645
一个PyObject必须包含ob_refcnt和ob_type。ob_refcnt是这个对象的引用计数，而ob_type则是指向_typeobject结构体的指针，它是Python内部的一种特殊对象，它是用来制定一个对象类型的类型对象，所以上图中它指向了一个PyTypeObject。
在PyTypeObject中定义了大量的函数指针，这些函数指针最终都会指向某个函数，或者指向NULL。这些函数指针可以视为类型对象中所定义的操作，而这些操作直接决定着一个对象在运行时所表现出的行为。
在Python中，对象机制的核心其实非常简单，一个是引用计数，一个是类型信息。
在Python中，List其实是一个可变长的，类似于C++中的vector的数据结构，为什么它的内存模型是定长的呢？
其实它的内存模型的字段都是元数据(meta-data)，而真正存放数组数据的是ob_item指向的一个数组。
ob_size和allocated都和PyListObject对象的内存管理有关，PyListObject所采用的内存管理策略和C++中的vector采取内存管理策略是一样的。在每一次需要申请内存的时候， PyListObject总会申请一大块内存，这是申请的总内存的大小记录在allocated中，而实际被使用了的内存的数量则记录在了ob_size中。
1). 寻找根集（root object set），所谓的根集即是一些全局引用和函数栈中的引用。这些引用所用的对象时不可被删除的，而这个根集也是垃圾检测动作的起点。
2). 从根集出发，沿着根集中的每一个引用，如果能到达某个对象A，则称A为可达对象，可达对象时不可被删除的。这个阶段就是垃圾检测的阶段。
3). 当垃圾检测阶段结束后，所有的对象分可达对（reachable object）象和不可达对象（unreachable object）两部分，所有的可达对象都必须予以保留，而所有的不可达对象所占用的内存将被回收，这就是垃圾回收阶段。
全集的数据结构为链表，每一个PyObject中在GC的时候，头部会添加一个叫做PyGC_Head的结构：
当generation 0的对象个数大于一定阈值时，就需要进行一次世代回收collect_generations。在collect_generations函数中，Python会借第0代内存链表的越界触发了垃圾收集的机会。输入参数generation表示函数必须指定某一代，在这里我们称为”当代“；返回不可达对象的个数，回收过程描述为：
static Py_ssize_t
collect(int generation)
{
//[1]: 初始化定义 m个可被回收，n个不可被回收
//[2]: 将比当代处理的“代”更年轻的“代”的链表合并到当前“代”中
//[3]: 将当代对象中的引用计数抄一份到对象的Py_GC_Head中(gc_refs = ob_refcnt)
//[4]: 通过traverse机制更新对象中的引用计数，最终不可达对象的引用计数会被减为0，不为0即是root object
//[5]: 初始化一个链表叫unreachable，把不可达的对象（引用计数为0）移到该链表中
//[6]: 又初始化一个链表叫finalizers, 把链表unreachable中带有__del__的对象进一步分离到finalizers
//[7]: 将finalizers中的对象又设置为可达对象（gc_refs=GC_REACHABLE）
//[8]: debug信息，可以打印可回收对象
//[9]: 通知所有弱引用到unreachable对象的对象，如果弱引用对象仍然生存则放回
//[10]: 删除unreachable链表中的对象（垃圾），这会打破对象的循环引用
//[11]: debug信息，可以打印不可回收对象
//[12]: 把所有finalizers链表中的对象放到gc.garbage中
//[13]: 返回不可达对象个数
}