先谈谈python 中__dict__存储了该对象的一些属性
类和实例分别拥有自己的__dict__
在__init__中声明的变量,会存到实例的__dict__中
类的静态函数、类函数、普通函数、全局变量以及一些内置的属性都是放在类__dict__里的
虽然说一切皆对象,但对象也有不同,就好比不是每个人的女朋友都是一个人一样,一些内置的数据类型是没有__dict__属性的
int, list, dict等这些常用的数据类型是没有__dict__属性的,其实这是可预料的,就算给了它们dict属性也没啥用,毕竟它们只是用来做数据容器的。
__slots__
魔法
在Python中,每个类都有实例属性。默认情况下Python用一个字典来保存一个对象的实例属性。这非常有用,因为它允许我们在运行时去设置任意的新属性。
然而,对于有着已知属性的小类来说,它可能是个瓶颈。这个字典浪费了很多内存。Python不能在对象创建时直接分配一个固定量的内存来保存所有的属性。因此如果你创建许多对象(我指的是成千上万个),它会消耗掉很多内存。
不过还是有一个方法来规避这个问题。这个方法需要使用__slots__
来告诉Python不要使用字典,而且只给一个固定集合的属性分配空间。
这里是一个使用与不使用__slots__
的例子:
- 不使用
__slots__
:
class MyClass(object): def __init__(self, name, identifier): self.name = name self.identifier = identifier self.set_up() # ...
- 使用
__slots__
:
class MyClass(object): __slots__ = ['name', 'identifier'] def __init__(self, name, identifier): self.name = name self.identifier = identifier self.set_up() # ...
第二段代码会为你的内存减轻负担。通过这个技巧,有些人已经看到内存占用率几乎40%~50%的减少。
稍微备注一下,你也许需要试一下PyPy。它已经默认地做了所有这些优化。
以下你可以看到一个例子,它用IPython来展示在有与没有__slots__
情况下的精确内存占用,感谢 https://github.com/ianozsvald/ipython_memory_usage
Python 3.4.3 (default, Jun 6 2015, 13:32:34)
Type "copyright", "credits" or "license" for more information.
IPython 4.0.0 -- An enhanced Interactive Python.
? -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help -> Python's own help system.
object? -> Details about 'object', use 'object??' for extra details.
In [1]: import ipython_memory_usage.ipython_memory_usage as imu
In [2]: imu.start_watching_memory()
In [2] used 0.0000 MiB RAM in 5.31s, peaked 0.00 MiB above current, total RAM usage 15.57 MiB
In [3]: %cat slots.py
class MyClass(object):
__slots__ = ['name', 'identifier']
def __init__(self, name, identifier):
self.name = name
self.identifier = identifier
num = 1024*256
x = [MyClass(1,1) for i in range(num)]
In [3] used 0.2305 MiB RAM in 0.12s, peaked 0.00 MiB above current, total RAM usage 15.80 MiB
In [4]: from slots import *
In [4] used 9.3008 MiB RAM in 0.72s, peaked 0.00 MiB above current, total RAM usage 25.10 MiB
In [5]: %cat noslots.py
class MyClass(object):
def __init__(self, name, identifier):
self.name = name
self.identifier = identifier
num = 1024*256
x = [MyClass(1,1) for i in range(num)]
In [5] used 0.1758 MiB RAM in 0.12s, peaked 0.00 MiB above current, total RAM usage 25.28 MiB
In [6]: from noslots import *
In [6] used 22.6680 MiB RAM in 0.80s, peaked 0.00 MiB above current, total RAM usage 47.95 MiB
__slots__作用
1.减少内存消耗
2.限制添加类属性及类初始化参数
实现__slots__
1.限制单个类属性
class Base(object): __slots__ = ['name'] pass
B = Base() B.name = 'John'
2.限制多个类属性,在__slots__的列表中继续添加即可
class Base(object): __slots__ = ['name','age'] pass
B = Base() B.name = 'John' B.age = 18
当添加类属性为非__slots__列表中的参数,会报错 AttributeError: 'Base' object has no attribute 'name1'
class Base(object): __slots__ = ['name'] pass B = Base() B.name1 = 'John' #AttributeError: 'Base' object has no attribute 'name1'
同样,__slots__会限制类初始化参数
class Base(object): __slots__ = ['name'] def __init__(self,name,age): self.name = name self.age = age pass B = Base('John',18) #AttributeError: 'Base' object has no attribute 'age'
节约内存
由于默认情况下每个类都会有一个dict,通过__dict__访问,这个dict维护了这个实例的所有属性。如果类中使用__slots__时,该对象不会自动产生__dict__属性
class Base(object): __slots__ = ['name'] def __init__(self,name): self.name = name pass B = Base('John') print(B.__dict__) #打印报错AttributeError: 'Base' object has no attribute '__dict__' class Base(object): # __slots__ = ['name'] def __init__(self,name): self.name = name pass B = Base('John') print(B.__dict__) # {'name': 'John'}
标签:__,name,python,self,object,Base,slots
From: https://www.cnblogs.com/zuochuang/p/17141018.html