__slots__ 类属性

使用 slots 类属性节省空间

知识点：

1） slots__限制实例随意增加属性，而__setattr__内建函数则不允许访问不存在的属性
2） 存在__slots__的类不存在__dict，访问会引发AttributeError
3） dict__属性跟踪所有的实例属性，返回的是一个字典，占用内存较多，基于内存考虑的话可以用__slots__代替__dict

默认情况下，Python 在各个实例中名为 dict 的字典里存储实例属性。为了使用底层的散列表提升访问速度，字典会消耗大量内存。如果要处理数百万个属性不多的实例，通过 __slots__类属性，能节省大量内存，方法是让解释器在元组中存储实例属性，而不用字典。
继承自超类的 slots 属性没有效果。Python 只会使用各个类中定义的 slots 属性。定义 slots 的方式是，创建一个类属性，使用 slots 这个名字，并把它的值设为一个字符串构成的可迭代对象，其中各个元素表示各个实例属性。我喜欢使用元组，因为这样定义的 slots 中所含的信息不会变化，如下 所示。

# 只在 Vector2d 类中添加了__slots__ 属性
class Vector2d:
	__slots__ = ('__x', '__y')
	typecode = 'd'

在类中定义 slots 属性的目的是告诉解释器：“这个类中的所有实例属性都在这儿了！”这样，Python 会在各个实例中使用类似元组的结构存储实例变量，从而避免使用消耗内存的 dict 属性。如果有数百万个实例同时活动，这样做能节省大量内存。

效率比较
我们运行两个构建列表的脚本，这两个脚本都使用列表推导创建 10 000 000 个 Vector2d 实例。mem_test.py 脚本的命令行参数是一个模块的名字，模块中定义了不同版本的 Vector2d 类。第一次运行使用的是 vector2d_v3.Vector2d 类（在示例 9-7 中定义），第二次运行使用的是定义了 slots 的vector2d_v3_slots.Vector2d 类。

$ time python3 mem_test.py vector2d_v3.py
Selected Vector2d type: vector2d_v3.Vector2d
Creating 10,000,000 Vector2d instances
Initial RAM usage: 5,623,808
Final RAM usage: 1,558,482,944
real 0m16.721s
user 0m15.568s
sys 0m1.149s

$ time python3 mem_test.py vector2d_v3_slots.py
Selected Vector2d type: vector2d_v3_slots.Vector2d
Creating 10,000,000 Vector2d instances
Initial RAM usage: 5,718,016
Final RAM usage: 655,466,496
real 0m13.605s
user 0m13.163s
sys 0m0.434s

如上 所示，在 10 000 000 个 Vector2d 实例中使用 dict 属性时，RAM 用量高达 1.5GB；而在 Vector2d 类中定义 slots 属性之后，RAM 用量降到了 655MB。此外，定义了 slots 属性的版本运行速度也更快

slots 的问题

• 每个子类都要定义 slots 属性，因为解释器会忽略继承的 slots 属性。
• 实例只能拥有 slots 中列出的属性，除非把 ‘dict’ 加 入 slots 中（这样做就失去了节省内存的功效）
• 如果不把 ‘weakref’ 加入 slots，实例就不能作为弱引用的目标。

如果你的程序不用处理数百万个实例，或许不值得费劲去创建不寻常的
类，那就禁止它创建动态属性或者不支持弱引用。与其他优化措施一
样，仅当权衡当下的需求并仔细搜集资料后证明确实有必要时，才应该
使用 slots 属性。