Python slots 详解(上篇)

在 Python 中，每个对象都附带着一些额外的信息，比如类型信息、引用计数等等，这些信息会占用一些内存空间。开发者可以通过 __dict__ 属性存储对象的动态属性，但这会导致额外的内存占用，尤其是对于大量实例化的对象。针对这个问题，Python 提供了 __slots__ 这个属性，可以让开发者手动定义对象的属性，减少内存空间的占用。

slots 的使用

__slots__ 是一个包含了字符串属性名称的元组，用来限制实例的属性。在类中使用 __slots__ 的示例如下：

class MyClass:
    __slots__ = ('x', 'y', 'z')
    def __init__(self, x=0, y=0, z=0):
        self.x = x
        self.y = y
        self.z = z

这里我们定义一个 MyClass 类，使用 __slots__ 属性让实例的属性只能是 x、y、z 中的一个。使用 __slots__ 不仅可以减少内存占用，还能够防止属性名称的拼写错误，提高代码的可读性和可维护性。当试图访问不存在的属性时，Python 会抛出 AttributeError 异常。

slots 的实现

使用 __slots__ 机制，Python 将实例变量存储在一个 tuple 类型的数据结构中，而不是像普通的对象一样存储在字典中。这意味着我们无法像使用字典那样通过对象实例的 __dict__ 属性来查看对象的属性字典，从而减少了内存占用。

下面是 __dict__ 和 __slots__ 模式下对象的内存占用的比较：

Normal object                           __slots__ object

Type object pointer:  16 bytes          Type object pointer:  16 bytes
Reference count:      28 bytes          Reference count:      28 bytes
__dict__:            48 bytes          __slots__ data:        24 bytes
Padding:              8 bytes           Padding:              20 bytes

Total:               100 bytes          Total:                88 bytes

可以看到，使用 __slots__ 模式下，相比普通对象内存占用可以减少一些，因为不需要额外存储一个 __dict__ 属性。不过需要注意的是，由于使用了元组存储对象属性，因此当对象需要动态添加属性时，就需要重新创建一个新的元组，这也会导致一些额外的开销。

slots 的使用限制

使用 __slots__ 机制需要注意以下几点：

1. __slots__ 中的属性名称必须为字符串；
2. 子类中的 __slots__ 会覆盖父类中的 __slots__，如果子类中需要保留父类的 __slots__，则需要在子类中显式指定；
3. __slots__ 中的属性一旦定义，就无法添加或修改，只能访问和删除；
4. __weakref__ 和 __dict__ 是特殊的属性，即使在 __slots__ 中指定了也不会起作用。

结语

本文介绍了 Python 中 __slots__ 的使用方法、实现方式以及使用时需要注意的限制。在需要大量创建实例对象的场景中，使用 __slots__ 功能可以有效减少内存的占用，提高代码的可读性和可维护性。但是需要注意在使用的过程中要避免一些限制和约束。