Python的对象由前面提到的知识可以分为定长对象和变长对象，同时从另一个角度上，Python的对象也可以分为可变对象和不可变对象。本章中的PyIntObject就是一个定长对象+不可变对象。

由于Python的程序中一般会对整数对象的使用极重，如果频繁地创造和销毁是极其影响效率的，因此Python的设计者给出了“整数对象池”这个概念，作为整数对象的缓冲池机制。言归正传，下面是PyIntObject的定义

[intobject.h]
typedef struct {
    PyObject_HEAD
    long ob_ival;
} PyIntObject;

而正如第一章所述，PyObject_HEAD中实际是一个类型对象指针和一个引用计数。PyIntObject对应的类型对象就是PyInt_Type，其就是PyTypeObject的一个实例。

这 个类型对象内容太多，我就不copy了，主要的内容包括名称，大小等基本属性以及一些函数集指针。函数集指针又包括了int_dealloc, int_free, int_repr，int_compare, int_as_number等。特别是最后一个，它定义了作为数值对象的所有可选操作，像int_add, int_sub等。

在Python的实现中，对于一些执行频繁的代码，都同时提供了函数和宏两个版本，比如PyInt_AS_LONG（宏）, PyInt_AsLong（函数），调用者需要在安全和性能上做出选择。

创建一个PyIntObject对象可有三种途径，对应三种不同的输入参数类型，如下，但是实际上这里应用了Adpator Pattern的思想，后两个实际最终都只是通过在接口上做了转换后调用了PyInt_FromLong。

PyObject* PyInt_FromLong(long ival)
PyObject* PyInt_FromString(char* s, char** pend, int base)
PyObject* PyInt_FromUnicode(Py_UNICODE* s, int length, int base)

程序在运行期间，Python的整数对象并不是孤立存在地，而是形成了一个整数对象系统。先来看小整数对象。

由 于Python对象在运行期间都在存活在系统堆上的，因此如果没有优化机制，而是对这些频繁使用的小整数对象进行malloc和free，那么不仅降低运 行效率，也会造成内存碎片。因此小整数对象使用了对象池技术，同时由于整数对象是不可变对象，所以对象池中的对象都是被任意共享的。

那么多小的整数才算是小整数呢？默认范围是[-5, 257），当然也可以改，但是就得自己重新编译一遍源码了。

#define NSMALLPOSINTS 257
#define NSMALLNEGINTS 5
#if NSMALLPOSINTS + NSMALLNEGINTS > 0
    static PyIntObject* small_ints[NSMALLPOSINTS + NSMALLNEGINTS];
#endif

对于大整数对象了，Python运行环境提供一块内存，这些内存由大整数轮流使用，从而避免了不断malloc的工作。而 这块内存也是有自己的结构的，它是由一个称为block_list的指针维护的一个单向链表，其中每一个结点称为一个PyIntBlock，而每个 block中又维护着N_INTOBJECTS个PyIntObject对象，即objects数组。

struct _intblock {
    struct _intblock *next;
    PyIntObject objects[N_INOBJECTS];
};
typedef struct _intblock PyIntBlock;

static PyIntBlock* block_list = NULL;
static PyIntObject* free_list = NULL;

在Python运行的某个时刻，通常有一些block中的某些object正在被使用，而其它的则处于空闲状态，为了把这些空闲object组织起来，就有了free_list，它作为链表的表头，把所有空闲内存串成另一个单链表。

PyIntObject的创建过程中，上面的结构是如何起作用的呢？

首先，程序会检查是否有小整数对象池，如果有的话再检查要创建的这个PyIntObject是不是在小整数范围内，如果是的话，直接返回；如果上面的条件无法满足，那么就会求助于block_list和free_list，寻找一块可用的PyIntObject对象的内存。

if(free_list == NULL) {
    if((free_list = fill_free_list()) == NULL)
        return NULL;
}

v = free_list;
free_list = (PyIntObject*)v->ob_type;
PyObject_INIT(v, &PyInt_Type);
v->ob_ival = ival;
return (PyObject*) v;

当第一次调用PyInt_FromLong时，free_list是空（另外，当没有空闲block时它也是空），那么就会调用fill_free_list函数来创建新的内存。

// fill_free_list
PyIntObject *p, *q;
p = (PyIntObject*) PyMem_MALLOC(sizeof(PyIntBlock));
((PyIntBlock*)p)->next = block_list;
block_list = (PyIntBlock*) p;

p = &((PyIntBlock*)p)->objects[0];
q = p + N_INTOBJECTS;
while(--q > p)
    q->ob_type = (struct _typeobject*)(q-1);
q->ob_type = NULL;
return p + N_INTOBJECTS -1;

实际工作就是加一块block，放在block_list的头部，所以block_list总是会指向最新创建的PyIntBlock对象；然后对于其内部的所有PyIntObject，利用ob_type从后到前串起来， 最后返回最后一个object的位置作为free_list的赋值。

此时free_list只管理了一个block下的所有空闲 objects，block之间的objects如何关联呢？这发生在一个PyIntObject的引用计数减少到0的时候：在int_dealloc内，它会将自己的ob_type指针原free_list，再将free_list指向这个刚刚销毁的object。从这里也能看出，如果一块内存被申请 用作PyIntObject，那么它就永远不会归还给OS，而是一直保留着，因此PyIntObject占用的内存大小与同时共存的整数个数最大值有关。

如果要删除的对象是一个整数的派生类对象，那么int_dealloc也不会做任何动作，只是调用其类型对象中的tp_free。

最后要看的是小整数对象的创建时机：它们是在python初始化的时候，调用_PyInt_Init时被调用的。small_ints中保存的object 也是被block_list和free_list来管理的，只不过它们是永生不灭的，因此small_ints中总会贡献一次引用计数。