优化：重用字段以节省内存
为了节省内存，每个具有GC支持的对象中的两个链接列表指针可用于多种用途。这是一种常见的优化，称为“胖指针”或“标记指针”：携带额外数据的指针，“折叠”到指针中，意味着内联存储在表示地址的数据中，利用内存寻址的某些属性。这是可能的，因为大多数架构将某些类型的数据与数据的大小对齐，通常是一个字或多个字。这种差异使得指针的一些最低有效位未被使用，这些位可以用于标记或保存其他信息——最常见的是作为位字段（每个位都是一个单独的标记）——只要使用指针的代码在访问内存之前屏蔽掉这些位。E、 例如，在32位体系结构（对于地址和字大小）上，一个字是32位=4字节，因此字对齐的地址总是4的倍数，因此以00结尾，剩下最后2位可用；而在64位体系结构中，一个字是64位＝8字节，所以字对齐的地址以000结尾，剩下最后3位可用。
CPython GC使用了两个胖指针，它们对应于内存布局和对象结构部分中讨论的PyGC_Head的额外字段：
由于存在额外信息，“标记tagged” 或“胖“tagged"指针不能直接取消引用，在获得实际内存地址之前，必须去除额外信息。需要特别注意直接操作链接列表的函数，因为这些函数通常假设列表中的指针处于一致状态。
- _gc_prev字段通常用作“上一个”指针以维护双链接列表，但其最低两位用于保持标志prev_MASK_COLLECTING和_PyGC_REV_MASK_FINALIZED。在集合之间，唯一可以出现的标志是_PyGC_PREV_MASK_FINALIZED，它指示对象是否已完成。在集合期间，除了两个标志外，_gc_prev还临时用于存储引用计数（gc_ref）的副本，并且gc链接列表将变为单链接列表，直到恢复_gc_pref。
- _gc_next字段用作“下一个”指针以维护双链接列表，但在收集期间，其最低位用于保持next_MASK_UNREACHABLE标志，该标志指示在循环检测算法期间对象是否暂时无法访问。这是只使用双链接列表来实现分区的一个缺点：虽然最需要的操作是恒定时间，但没有有效的方法来确定对象当前所在的分区。相反，当需要时，会使用特殊的技巧（如NEXT_MASK_UNREACHABLE标志）。
垃圾收集器C API
Python对检测和收集涉及循环引用的垃圾的支持需要对象类型的支持，这些对象类型是其他对象的“容器”，也可能是容器。不存储对其他对象的引用或只存储对原子类型（如数字或字符串）的引用的类型不需要为垃圾收集提供任何显式支持。
要创建容器类型，类型对象的tp_flags字段必须包含Py_TPFLAGS_HAVE_GC，并提供tp_traverse处理程序的实现。如果该类型的实例是可变的，则还必须提供tp_clear实现。
Py_TPFLAGS_HAVE_GC
具有此标志集的类型的对象必须符合此处记录的规则。为了方便起见，这些对象将被称为容器对象。
容器类型的构造函数必须符合两个规则：
必须使用PyObject_GC_New（）或PyObject_GC_NewVar（）分配对象的内存。
初始化可能包含对其他容器的引用的所有字段后，它必须调用PyObject_GC_Track（）。
TYPEPyObject_GC_New（TYPE，PyTypeObject类型）
类似于PyObject_New（），但适用于设置了Py_TPFLAGS_HAVE_GC标志的容器对象。
TYPEPyObject_GC_NewVar（类型，PyTypeObject类型，Py_size_t大小）
类似于PyObject_NewVar（），但适用于设置了Py_TPFLAGS_HAVE_GC标志的容器对象。
TYPEPyObject_GC_Resize（TYPE，PyVarObjectop，Py_size_t newsize）
调整PyObject_NewVar（）分配的对象的大小。失败时返回调整大小的对象或NULL。收集器还不能跟踪op。
void PyObject_GC_Track（PyObject*op）
将对象op添加到收集器跟踪的容器对象集。收集器可以在意外的时间运行，因此在跟踪对象时对象必须有效。一旦tp_traverse处理程序后面的所有字段都有效，通常在构造函数的末尾附近，就应该调用该函数。
同样，对象的解除定位器必须符合一对类似的规则：
在引用其他容器的字段无效之前，必须调用PyObject_GC_UnTrack（）。
必须使用PyObject_GC_Del（）释放对象的内存。
void PyObject_GC_Del（void*op）
使用PyObject_GC_New（）或PyObject_GC_NewVar（）释放分配给对象的内存。
void PyObject_GC_UnTrack（void*op）
从收集器跟踪的容器对象集中删除对象op。请注意，可以在此对象上再次调用PyObject_GC_Track（），将其添加回跟踪对象集。在tp_traverse处理程序使用的任何字段变为无效之前，deallocator（tp_dealloc处理程序）应该为对象调用此函数。
3.8版中的更改：_PyObject_GC_TRACK（）和_PyObject_GC_UNTRACK（）宏已从公共C API中删除。
tp_traverse处理程序接受以下类型的函数参数：
int（*visitproc）（PyObject*对象，void*arg）
传递给tp_traverse处理程序的访问者函数的类型。调用该函数时，应将要遍历的对象作为对象，将tp_traverse处理程序的第三个参数作为arg。Python内核使用几个访问者函数来实现循环垃圾检测；预计用户不需要编写自己的访问者函数。
tp_traverse处理程序必须具有以下类型：
int（*transverseproc）（PyObject*self，visitproc访问，void*arg）
容器对象的遍历函数。实现必须为self直接包含的每个对象调用访问函数，要访问的参数是包含的对象和传递给处理程序的arg值。不能使用NULL对象参数调用访问函数。如果访问返回非零值，则应立即返回该值。
为了简化tp_traverse处理程序的编写，提供了Py_VISIT（）宏。为了使用此宏，tp_traverse实现必须将其参数精确命名为visit和arg：
void Py_VISIT（PyObject*o）
如果o不为NULL，则使用参数o和arg调用访问回调。如果visit返回非零值，则返回它。使用此宏，tp_traverse处理程序如下所示：
static int
my_traverse(Noddy *self, visitproc visit, void *arg)
{
Py_VISIT(self->foo);
Py_VISIT(self->bar);
return 0;
}
tp_clear处理程序必须为查询类型，如果对象不可变，则为NULL。
int（*inquiry）（PyObject*self）
删除可能已创建引用循环的引用。不可变对象不必定义此方法，因为它们永远不能直接创建引用循环。请注意，调用此方法后，对象必须仍然有效（不要只对引用调用Py_DECREF（））。如果收集器检测到引用循环中涉及此对象，它将调用此方法。
优化：延迟跟踪容器
某些类型的容器不能参与引用循环，因此不需要由垃圾收集器跟踪。取消跟踪这些对象可以降低垃圾收集的成本。然而，确定哪些对象可以不被跟踪并不是免费的，必须权衡成本和垃圾收集的好处。有两种可能的策略可用于何时取消集装箱的跟踪：
-
创建容器时。
垃圾收集器检查容器时。
作为一般规则，原子类型的实例不被跟踪，而非原子类型（容器、用户定义的对象…）的实例被跟踪。但是，为了抑制简单实例的垃圾收集器占用空间，可以进行一些特定于类型的优化。从延迟跟踪中受益的本机类型的一些示例：
- 只包含不可变对象（整数、字符串等，以及递归地不可变对象的元组）的元组不需要被跟踪。解释器创建了大量的元组，其中许多元组在垃圾收集之前将无法生存。因此，在创建时取消跟踪符合条件的元组是不值得的。相反，创建时会跟踪除空元组之外的所有元组。在垃圾收集期间，确定是否可以取消跟踪任何幸存的元组。如果尚未跟踪元组的所有内容，则可以取消跟踪元组。在所有垃圾收集周期中检查元组是否未跟踪。取消跟踪元组可能需要一个以上的周期。
- 只包含不可变对象的字典也不需要跟踪。词典在创建时未被跟踪。如果被跟踪的项目被插入字典（作为关键字或值），则字典将被跟踪。在完全垃圾收集（所有代）期间，收集器将取消跟踪其内容未被跟踪的任何字典。
垃圾收集器模块提供Python函数is_track（obj），它返回对象的当前跟踪状态。后续的垃圾收集可能会更改对象的跟踪状态。
gc.is_tracked(0)
False
gc.is_tracked("a")
False
gc.is_tracked([])
True
gc.is_tracked({
})
False
gc.is_tracked({
"a": 1})
False
gc.is_tracked({
"a": []})
True