为什么我可以访问Python中看似任意的内存地址？

在NumPy中使用时，我意识到您可以轻松地越过阵列的边界：

>>> import numpy as np
>>> from numpy.lib.stride_tricks import as_strided
>>> a = np.array([1], dtype=np.int8)
>>> as_strided(a, shape=(2,), strides=(1,))
array([  1, -28], dtype=int8)

像这样，我可以读取数组外部的字节，也可以写入它们。但我不明白这怎么可能。为什么操作系统不能阻止我？在抛出

分段错误之前，我似乎至少可以离开这个数组100 KB

我唯一能想到的是，这个内存空间是由我的Python进程直接分配的。NumPy会这么做吗？这个空间有固定的尺寸吗？还有什么其他对象？
这里有两种不同的内存分配器：

操作系统，可在Unix下使用或访问。这通常会给你确切的要求，但它不是非常友好的用户
C运行时堆，可通过和
free（3）
访问。这可能会也可能不会立即将释放的内存返回到操作系统。如果性能更好的话，它还可以将分配四舍五入到最近的页面。这通常按照（1）实现
大多数应用程序，包括NumPy和Python，使用（2）而不是（1）（或者它们在（2）之上实现自己的内存分配器）。结果，根据（2）无效的存储器根据（1）仍然有效。只有在违反方法（1）的规则时，才能获得segfault。也有可能您正在与堆上的其他活动对象交互，这极有可能导致您的程序以任意方式出现错误行为。
Python和numpy是用C构建的，C没有内置内存保护。内存在“堆”中分配，堆是一大块内存。因为所有的对象都分配在那里，所以内存区域非常大，并且充满了任何类型的对象。写入此内存可能会使您的程序崩溃。
您是否阅读过例如？是的，没有解释这一点。我认为说SEGFULT仅因违反方法（1）而导致是不正确的。根据我自己的调查（下面的答案），只有内存映射才能定义何时抛出segfault。还是我错了？警卫页面呢？我不太明白。尽管操作系统已经为读取访问准备了一个块，但在尝试读取时仍然可能引发错误吗？@jasaarim:malloc使用mmap和brk。Python使用malloc。“内存映射”是mmap，它本身就是（1）的一部分。但如果不是这样，我会感谢你的回答。这很有帮助，也让我更多地思考这个问题。哦，对不起，现在我明白了。是的，你可能是对的。