垃圾回收（GC）需要遍历所有对象来判断哪些该回收，如果每次都对全部对象做一次全量扫描，开销会很大。Python 采用分代回收策略来优化这个过程，它基于一个很朴素的假设：大多数对象存活时间很短，年纪越大的对象越不容易变成垃圾。
基于这个假设，Python 把对象划分成三个“代”，每个代采用不同的回收频率和策略。
三代划分
- 第 0 代（新生代）：刚创建的对象都先放在这里。它们的生命周期往往很短，比如循环里的临时变量、函数调用结束后的局部变量，很快就会被回收。这一代的对象数量增长最快，所以回收频率最高。
- 第 1 代（中生代）：经过一次第 0 代回收后仍然存活的对象会晋升到第 1 代。它们已经证明自己能活过一轮 GC，可能会继续存在一段时间。
- 第 2 代（老年代）：在多次回收中一直存活的对象最终会进入第 2 代。这些通常是模块级别的变量、全局缓存、单例对象等，生命周期几乎与程序运行时间相同。老年代回收频率最低，因为很多对象就是需要长期存在的。
回收触发机制
Python 的分代回收由阈值（threshold）控制。每代都有一个计数器，记录分配的对象数量减去释放的数量。当这个计数器超过对应阈值时，就会触发一次当前代及所有更年轻代的垃圾回收。
- 默认阈值是
(700, 10, 10)，即第 0 代计数器达到 700 时触发回收，第 1 代和第 2 代则是在上一代回收次数达到 10 次时才触发。 - 这样设计的好处是：最年轻的对象被频繁检查，年老对象很少被打扰，减少了不必要的扫描开销。
回收过程
以第 0 代为例：回收时，会找出当前代中所有“可达”对象（从根引用出发能访问到的），不可达对象则被释放；存活的对象会提升到第 1 代。这种晋升机制避免了反复扫描长期对象，提高了效率。
实际开发中的意义
- 无需干预：在绝大多数场景下，分代回收是全自动的，开发者不需要手动调整参数。对业务代码的影响是，短命的临时变量会被快速回收，不会堆积。
- 调优窗口：如果程序确实存在大量短期对象疯狂创建、或者长期对象频繁被错误回收的情况，可以通过
gc.set_threshold()修改阈值，或者通过gc.disable()临时关闭自动 GC 手动控制，但这只在极少数高性能需求下有需要。 - 调试帮助：
gc.get_stats()可以查看各代的回收统计信息，帮助定位内存问题。
分代回收与引用计数、标记-清除一起构成了 Python 完整的内存管理方案。它让 Python 在保持“自动内存管理”便利性的同时，有效控制了垃圾回收的性能开销。