python:__slots__魔法用途

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/qq_35636311/article/details/78248491

__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。