Python gestisce la memoria automaticamente utilizzando due meccanismi: reference counting (il metodo principale) più un garbage collector ciclico che gestisce i cicli di riferimento. Non devi mai liberare la memoria manualmente, ma comprendere come funziona spiega il comportamento della memoria e le perdite.
sys
x = [, , ]
y = x
sys.getrefcount(x)
y
x
Ogni oggetto tiene traccia di quanti riferimenti lo puntano. Quando il conteggio scende a zero, la memoria viene liberata immediatamente. Questo è deterministico e veloce — gli oggetti muoiono non appena nulla li riferisce.
# reference counting alone can't free this:
a = {}
b = {}
a["b"] = b # a references b
b["a"] = a # b references a → they reference EACH OTHER
del a, b # the names are gone, but the objects still reference each other
# → refcounts never reach 0 → they'd leak with refcounting alone
Due oggetti che si riferiscono l'uno all'altro mantengono il refcount dell'altro al di sopra di zero anche quando irraggiungibili — un ciclo che il semplice reference counting non può raccogliere.
import gc
# the generational GC periodically finds and frees unreachable CYCLES
gc.collect() # manually trigger a collection
gc.get_count() # objects tracked per generation
Il garbage collector generazionale supplementare di Python rileva periodicamente e libera questi cicli irraggiungibili. È generazionale — gli oggetti più recenti vengono controllati più spesso (la maggior parte degli oggetti muore giovane), il che è efficiente.
✓ Most memory is reclaimed promptly via reference counting
⚠️ Leaks still happen from REACHABLE references that outlive their usefulness:
- global caches/lists that only grow
- objects held by long-lived closures or class attributes
- registered callbacks/listeners never removed
Il GC gestisce i cicli, ma non può liberare oggetti ancora raggiungibili — la comune "perdita" del mondo reale è mantenere involontariamente i riferimenti in vita (ad esempio, una cache globale sempre crescente).
- Small integers (-5..256) and short strings are CACHED/interned (shared, reused)
- CPython uses memory pools (pymalloc) for small objects (efficiency)
Comprendere il modello di memoria di Python — reference counting veloce più GC ciclico — spiega i comportamenti reali: perché gli oggetti di solito vengono liberati immediatamente, perché i cicli di riferimento hanno bisogno del GC, e crucialmente perché le "perdite di memoria" in Python provengono da riferimenti raggiungibili (cache in crescita, closure persistenti, callback non rimossi) anziché da liberazioni dimenticate.
Questa conoscenza è essenziale per diagnosticare la crescita della memoria nei servizi a lunga durata e per scrivere codice consapevole della memoria — sapere che la soluzione è solitamente interrompere i riferimenti (limitare le cache, ripulire le registrazioni) piuttosto che qualcosa che il GC possa fare per te.
Una raccolta di domande di colloquio IT con risposte dettagliate — da Junior a Senior.
Dona