先从较浅的层面来说，Python的内存管理机制可以从三个方面来讲（1）垃圾回收（2）引用计数（3）内存池机制一、垃圾回收：python不像C++，Java等语言一样，他们可以不用事先声明
变量类型而直接对变量进行赋值。对Python语言来讲，
对象的类型和内存都是在运行时确定的。这也是为什么我们称Python语言为动态类型的原因（这里我们把动态类型可以简单的归结为对变量内存地址的分配是在运行时自动判断变量类型并对变量进行赋值）。二、引用计数：Python采用了类似Windows内核对象一样的方式来对内存进行管理。每一个对象，都维护这一个对指向该对对象的引用的计数。如图所示（图片来自Python核心编程） x = 3.14y = x我们首先创建了一个对象3.14， 然后将这个浮点数对象的引用赋值给x，因为x是第一个引用，因此，这个浮点数对象的引用计数为1. 语句y = x创建了一个指向同一个对象的引用别名y，我们发现，并没有为Y创建一个新的对象，而是将Y也指向了x指向的浮点数对象，使其引用计数为2.我们可以很容易就证明上述的观点： 变量a 和 变量b的id一致(我们可以将id值想象为C中变量的指针).我们援引另一个网址的图片来说明问题：对于C语言来讲，我们创建一个变量A时就会为为该变量申请一个内存空间，并将变量值 放入该空间中,当将该变量赋给另一变量B时会为B申请一个新的内存空间，并将变量值放入到B的内存空间中，这也是为什么A和B的指针不一致的原因。如图： 而Python的情况却不一样，实际上，Python的处理方式和Javascript有点类似，如图所示，变量更像是附在对象上的标签(和引用的定义类似)。当变量被绑定在一个对象上的时候，该变量的引用计数就是1，(还有另外一些情况也会导致变量引用计数的增加),系统会自动维护这些标签，并定时扫描，当某标签的引用计数变为0的时候，该对就会被回收。三、内存池机制Python的内存机制以金字塔行，-1，-2层主要有操作系统进行操作，第0层是C中的malloc，free等内存分配和释放函数进行操作；第1层和第2层是内存池，有Python的接口函数PyMem_Malloc函数实现，当对象小于256K时有该层直接分配内存；第3层是最上层，也就是我们对Python对象的直接操作；在 C 中如果频繁的调用 malloc 与 free 时,是会产生性能问题的.再加上频繁的分配与释放小块的内存会产生内存碎片. Python 在这里主要干的工作有:如果请求分配的内存在1~256字节之间就使用自己的内存管理系统,否则直接使用 malloc.这里还是会调用 malloc 分配内存,但每次会分配一块大小为256k的大块内存.经由内存池登记的内存到最后还是会回收到内存池,并不会调用 C 的 free 释放掉.以便下次使用.对于简单的Python对象，例如数值、字符串，元组（tuple不允许被更改)采用的是复制的方式(深拷贝?)，也就是说当将另一个变量B赋值给变量A时，虽然A和B的内存空间仍然相同，但当A的值发生变化时，会重新给A分配空间，A和B的地址变得不再相同； 而对于像字典(dict)，列表(List)等，改变一个就会引起另一个的改变，也称之为浅拷贝：附录：引用计数增加1.对象被创建：x=42.另外的别人被创建：y=x3.被作为参数传递给函数：foo(x)4.作为容器对象的一个元素：a=[1,x,’33’]引用计数减少1.一个本地引用离开了它的作用域。比如上面的foo(x)函数结束时，x指向的对象引用减1。2.对象的别名被显式的销毁：del x ；或者del y3.对象的一个别名被赋值给其他对象：x=7894.对象从一个窗口对象中移除：myList.remove(x)5.窗口对象本身被销毁：del myList，或者窗口对象本身离开了作用域。垃圾回收1、当内存中有不再使用的部分时，垃圾收集器就会把他们清理掉。它会去检查那些引用计数为0的对象，然后清除其在内存的空间。当然除了引用计数为0的会被清除，还有一种情况也会被垃圾收集器清掉：当两个对象相互引用时，他们本身其他的引用已经为0了。2、垃圾回收机制还有一个循环垃圾回收器, 确保释放循环引用对象(a引用b, b引用a, 导致其引用计数永远不为0)。内容比较简单，课程也不错，对于编程小白很容易学，很适合“懒人”学习，就是那种自学容易三分钟热度，懒得到处找课程，下软件，花钱省事。一千块钱对于内容来说个人觉得不值，因为有一点点编程的基础，自学下来是没问题的。但风变编程的课程讲解做得不错，会用通俗易懂的方式给你讲，如果编程的东西对你很难理解，又想学，这也不失为一种方法。最后，Python的免费课程很容易找，软件也很容易下载，如果不想花钱可以自学，但没必要去摔别人的饭碗，一千块钱个人觉得贵，不值，但对有的人来说一千块钱就是零花钱，花钱省事也是他们的选择。和其他语言区别对于一个特定的问题，只要有一种最好的方法来解决这在由Tim Peters写的Python格言（称为The Zen of Python）里面表述为：There should be one-- and preferably only one --obvious way to do it。这正好和Perl语言（另一种功能类似的高级动态语言）的中心思想TMTOWTDI（There's More Than One Way To Do It）完全相反。Python的设计哲学是“优雅”、“明确”、“简单”。因此，Perl语言中“总是有多种方法来做同一件事”的理念在Python开发者中通常是难以忍受的。Python开发者的哲学是“用一种方法，最好是只有一种方法来做一件事”。在设计Python语言时，如果面临多种选择，Python开发者一般会拒绝花俏的语法，而选择明确的没有或者很少有歧义的语法。由于这种设计观念的差异，Python源代码通常被认为比Perl具备更好的可读性，并且能够支撑大规模的软件开发。这些准则被称为Python格言。在Python解释器内运行import this可以获得完整的列表。
FixedThreadPool
FixThreadPool内部是通过ThreadPoolExecutor来创建线程，核心线程数和最大线程数都是上下文中指定的线程数量threads，因为不存在空闲线程所以keepAliveTime为0，
当queues=0，创建SynchronousQueue阻塞队列；
当queues<0，创建无界的阻塞队列LinkedBlockingQueue；
当queues>0，创建有界的阻塞队列LinkedBlockingQueue。
采用dubbo自己实现的线程工厂NamedInternalThreadFactory，将线程置为守护线程（Demon）
拒绝策略为AbortPolicyWithReport，策略为将调用时的堆栈信息保存到本地文件中，并抛出异常RejectedExecutionException
CachedThreadPool
CachedThreadPool与FixedThreadPool的区别是核心线程数和最大线程数不相等，通过alive来控制空闲线程的释放
LimitedThreadPool
LimitedThreadPool与CachedThreadPool的区别是空闲线程的超时时间为Long.MAX_VALUE，相当于线程数量不会动态变化了，创建的线程不会被释放。
EagerThreadPool
与上述三种线程池不同，EagerThreadPool并非通过JUC中的ThreadPoolExecutor来创建线程池，而是通过EagerThreadPoolExecutor来创建线程池，EagerThreadPoolExecutor继承自ThreadPoolExecutor，实现自定义的execute方法，采用的阻塞队列是TaskQueue，TaskQueue继承自LinkedBlockingQueue。
execute方法首先调用ThreadPoolExecutor的execute方法，如果执行失败会重新放入TaskQueue进行重试。
实现自定义的ThreadPool
ThreadPool被定义为一个扩展点，如下所示，
其默认实现是FixedThreadPool，可以通过实现该扩展来实现自定义的线程池策略。
