5.2 对象的底层结构：ob_refcnt、ob_type 与通用对象头

在 Python 中，整数、字符串、列表、函数、类，甚至类型本身都是对象。这些对象在 C 语言层面被实现为结构体，并且所有对象共享一个通用的“头部”，这个头部决定了对象的生命周期和行为。理解这个结构，是理解 Python 内存管理和动态类型的钥匙。

通用对象头：PyObject 和 PyVarObject

在 CPython 源码中，所有对象的基类型是 PyObject，它的定义大致如下（简化版）：

typedef struct _object {
    Py_ssize_t ob_refcnt;   // 引用计数
    PyTypeObject *ob_type;  // 指向类型对象的指针
} PyObject;

对于长度可变的对象（如 list、str、dict），还会增加一个字段表示元素个数，即 PyVarObject：

typedef struct {
    PyObject ob_base;       // 包含 ob_refcnt 和 ob_type
    Py_ssize_t ob_size;     // 长度信息（如列表元素个数、字符串长度）
} PyVarObject;

每个 Python 对象，内存布局的起始部分都必然是这两个（或三个）字段。这意味着无论一个对象具体是什么类型，解释器都可以通过它起始的字节，直接找到它的引用计数和类型。

ob_refcnt：引用计数

定义：记录当前有多少个引用指向该对象。
增减规则：
当对象被一个新变量引用、放入容器、作为参数传递时，ob_refcnt 加 1。
当引用超出作用域、被 del 删除、容器被销毁时，ob_refcnt 减 1。
当 ob_refcnt 变为 0 时，解释器立即释放该对象占用的内存（调用对象的释放函数）。
实际影响：
这是 Python 内存管理的主要机制，意味着大多数对象的生命周期是确定且即时的——一旦不再需要，马上被回收。
可以通过 sys.getrefcount() 看到引用计数（注意函数参数本身会创建一个临时引用，所以返回值会比直观预期大 1）。

import sys
a = []
print(sys.getrefcount(a))  # 2（一个 a 变量，一个 getrefcount 的参数）
b = a
print(sys.getrefcount(a))  # 3（多了 b 的引用）
del b
print(sys.getrefcount(a))  # 2

存在的缺陷：单纯的引用计数无法处理循环引用（比如两个对象相互引用，但外部已无法访问它们）。这也是引入垃圾回收（标记-清除）算法的原因。

ob_type：类型指针

定义：指向一个 PyTypeObject 类型的结构体，这个结构体描述了该对象的“类型”——所有该类对象共有的行为、方法、分配的魔法函数指针等。
如何决定行为：
当执行 obj + other 时，解释器先通过 obj->ob_type 找到它的类型对象，再从中查找 tp_as_number 指向的 add 函数地址，然后调用它。
内置的类型对象（如 int、str）也是由 PyTypeObject 定义的，并且其 ob_type 又指向了更底层的元类型 type。
实际效果：
变量无类型，对象有类型：赋值 x = 10 时，x 只是一个名字，类型信息储存在整数对象 10 的头部 ob_type 里。
type(obj) 本质上就是返回 obj->ob_type 这个指针指向的类型对象。
isinstance(obj, cls) 就是沿着 ob_type 的继承链（通过 tp_base）向上查找。

对象头带来的统一性

因为头部统一，CPython 在很多地方可以写出与具体对象类型无关的通用代码。例如：

内存分配与回收：分配器只关心对象的大小和引用计数，通过头部的 ob_type 调用对应的析构函数。
调试和自省：id(obj) 返回的就是对象内存地址（通常又是 PyObject 的起始地址）；dir(obj) 可以遍历类型对象中记录的属性列表。
可变与不可变：整数是不可变的，因为 int 类型没有提供修改内部值的方法；列表是可变的，其类型对象提供了 setitem 等修改操作的接口。这完全由类型对象控制，而对象头让解释器可以统一访问这些行为。

在代码中的直观感受

你不需要直接接触这两个字段，但很多日常现象都源于它们：

小整数缓存：整数 1 只有一个对象，所有使用 1 的地方都引用同一个对象，其 ob_refcnt 很大，从而节省内存。
字符串驻留：相同的短字符串常量会被复用，引用计数很高。
函数参数的传递：传递的是对象的引用，所以被调函数内部修改可变对象，外部也会看到变化——因为大家操作的是同一个底层 PyObject，只是头部的引用计数变了。
手动管理引用：在 C 扩展中，你必须显式地 Py_INCREF 和 Py_DECREF 来维护 ob_refcnt，否则要么内存泄漏，要么过早释放导致崩溃。

理解 PyObject 这个简单的头部，就像拿到了 Python 对象世界的“身份证”：它记录了对象的生死（引用计数）和身份（类型），也解释了很多表面上的语言行为。