CPython 3.11中sys.getrefcount()返回超大引用计数原因咨询

你观察到的现象确实和PEP 683 - 不朽对象（Immortal Objects）：使用固定引用计数直接相关，下面具体解释：

现象回顾 #

在CPython 3.11中，-5到256区间的预缓存整数调用sys.getrefcount()会返回千万级别的数值，而非预缓存的整数（如-6、257）则保持正常计数：

Python 3.11.2 (tags/v3.11.2:878ead1, Feb  7 2023, 16:38:35) [MSC v.1934 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> for i in (-6, -5, 0, 255, 256, 257):
...    print(i, sys.getrefcount(i))
...
-6 5
-5 1000000004
0 1000000535
255 1000000010
256 1000000040
257 5

而CPython 3.10中这些预缓存整数的引用计数是正常的实际引用统计：

Python 3.10.8 (tags/v3.10.8:aaaf517, Oct 11 2022, 16:50:30) [MSC v.1933 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> for i in (-6, -5, 0, 255, 256, 257):
...    print(i, sys.getrefcount(i))
...
-6 5
-5 6
0 234
255 8
256 26
257 5

背后的原因 #

PEP 683的核心目标是优化GC性能，将一些全局不可变对象（包括-5到256的预缓存整数、None、True、False、部分字符串常量等）标记为"不朽对象"。

为了实现这一点，CPython给这类对象设置了一个固定的超大引用计数值（具体是2^30左右，也就是你看到的1000000000级别的数值）。这个数值的作用是让GC永远不会尝试回收它们——因为引用计数永远不会降到0，GC会直接跳过对这类对象的引用计数检查，从而减少GC的工作量。

在CPython 3.10及更早版本中，这些预缓存对象的引用计数是正常统计实际引用数量的，所以返回值是合理的小数值。

为什么文档没提及这个变化 #

这个现象属于PEP 683实现的附带行为，而非sys.getrefcount()本身的功能变更——sys.getrefcount()只是忠实地返回对象当前的引用计数值，而不朽对象的引用计数被人为设置成了超大值。官方文档可能因为这不是API的直接变更，所以没有单独在sys.getrefcount()或Python 3.11新特性文档中提及。

需要注意的是，这个超大引用计数对实际代码没有负面影响：这些对象本来就是全局缓存、不会被回收的，引用计数的具体数值在这里仅作为"不朽对象"的标识，不代表实际的引用数量。

内容的提问来源于stack exchange，提问作者Mark Tolonen