一.
1.int 类型的缓存
[-5, 256]的整型，只要Python解释器一运行，这些数值就加载到了内存
2.free_list：float、list、touple、dict等都是这种方式
当一个对象引用计数为0时，按理说就应该被垃圾回收了，但是Python不是这么做的，而是将对象放入到free_list链表里面。这样，以后再去创建该对象时，不会重新开辟内存，而是直接使用free_list里面的
字符串驻留机制在许多面向对象编程语言中都支持，比如Java、python、Ruby、PHP等，它是一种数据缓存机制，对不可变数据类型使用同一个内存地址，有效的节省了空间，本文主要介绍Python的内存驻留机制。
字符串驻留就是每个字符串只有一个副本，多个对象共享该副本，驻留只针对不可变数据类型，比如字符串，布尔值，数字等。在这些固定数据类型处理中，使用驻留可以有效节省时间和空间，当然在驻留池中创建或者插入新的内容会消耗一定的时间。
下面举例介绍python中的驻留机制。
在Python对象及内存管理机制一文中介绍了python的参数传递以及以及内存管理机制，来看下面一段代码：
知道结果是什么吗？下面是执行结果：
l1和l2内容相同，却指向了不同的内存地址，l2和l3之间使用等号赋值，所以指向了同一个对象。因为列表是可变对象，每创建一个列表，都会重新分配内存，列表对象是没有“内存驻留”机制的。下面来看不可变数据类型的驻留机制。
在 Jupyter或者控制台交互环境 中执行下面代码：
执行结果：
可以发现a1和b1指向了不同的地址，a2和b2指向了相同的地址，这是为什么呢？
因为启动时，Python 将一个 -5~256 之间整数列表预加载（缓存）到内存中，我们在这个范围内创建一个整数对象时，python会自动引用缓存的对象，不会创建新的整数对象。
浮点型不支持：
如果上面的代码在非交互环境，也就是将代码作为python脚本运行的结果是什么呢？（运行环境为python3.7）
全为True，没有明确的限定临界值，都进行了驻留操作。这是因为使用不同的环境时，代码的优化方式不同。
在 Jupyter或者控制台交互环境 中：
满足标识符命名规范的字符：
结果：
乘法获取字符串（运行环境为python3.7）
结果：
在非交互环境中：
注意： 字符串是在编译时进行驻留 ，也就是说，如果字符串的值不能在编译时进行计算，将不会驻留。比如下面的例子：
在交互环境执行结果如下：
都指向不同的内存。
python 3.7 非交互环境执行结果：
发现d和e指向不同的内存，因为d和e不是在编译时计算的，而是在运行时计算的。前面的 a = 'aa'*50 是在编译时计算的。
除了上面介绍的python默认的驻留外，可以使用sys模块中的intern()函数来指定驻留内容
结果：
使用intern()后，都指向了相同的地址。
本文主要介绍了python的内存驻留，内存驻留是python优化的一种策略，注意不同运行环境下优化策略不一样，不同的python版本也不相同。注意字符串是在编译时进行驻留。
--THE END--
