在執(zhí)行程序時(shí)，如果內(nèi)存中有大量活動(dòng)的對(duì)象，就可能出現(xiàn)內(nèi)存問題，尤其是在可用內(nèi)存總量有限的情況下。在本文中，我們將討論縮小對(duì)象的方法，大幅減少 Python 所需的內(nèi)存。

轉(zhuǎn)載來源

公眾號(hào)：CSDN

譯者：彎月

閱讀本文大概需要 7?分鐘。

以下為譯文：

為了簡便起見，我們以一個(gè)表示點(diǎn)的 Python 結(jié)構(gòu)為例，它包括 x、y、z 坐標(biāo)值，坐標(biāo)值可以通過名稱訪問。

Dict

在小型程序中，特別是在腳本中，使用 Python 自帶的 dict 來表示結(jié)構(gòu)信息非常簡單方便：

>>>?ob?=?{'x':1,?'y':2,?'z':3}
>>>?x?=?ob['x']
>>>?ob['y']?=?y

由于在 Python 3.6 中 dict 的實(shí)現(xiàn)采用了一組有序鍵，因此其結(jié)構(gòu)更為緊湊，更深得人心。但是，讓我們看看 dict 在內(nèi)容中占用的空間大?。?/span>

>>>?print(sys.getsizeof(ob))
240

如上所示，dict 占用了大量內(nèi)存，尤其是如果突然虛需要?jiǎng)?chuàng)建大量實(shí)例時(shí)：

類實(shí)例

有些人希望將所有東西都封裝到類中，他們更喜歡將結(jié)構(gòu)定義為可以通過屬性名訪問的類：

class?Point:
????#
????def?__init__(self,?x,?y,?z):
????????self.x?=?x
????????self.y?=?y
????????self.z?=?z

>>>?ob?=?Point(1,2,3)
>>>?x?=?ob.x
>>>?ob.y?=?y

類實(shí)例的結(jié)構(gòu)很有趣：

在上表中，__weakref__ 是該列表的引用，稱之為到該對(duì)象的弱引用（weak reference）；字段 __dict__ 是該類的實(shí)例字典的引用，其中包含實(shí)例屬性的值（注意在 64-bit 引用平臺(tái)中占用 8 字節(jié)）。從 Python 3.3 開始，所有類實(shí)例的字典的鍵都存儲(chǔ)在共享空間中。這樣就減少了內(nèi)存中實(shí)例的大?。?/span>

>>>?print(sys.getsizeof(ob),?sys.getsizeof(ob.__dict__))?
56?112

因此，大量類實(shí)例在內(nèi)存中占用的空間少于常規(guī)字典（dict）：

不難看出，由于實(shí)例的字典很大，所以實(shí)例依然占用了大量內(nèi)存。

帶有 __slots__ 的類實(shí)例

為了大幅降低內(nèi)存中類實(shí)例的大小，我們可以考慮干掉 __dict__ 和__weakref__。為此，我們可以借助 __slots__：

class?Point:
????__slots__?=?'x',?'y',?'z'

????def?__init__(self,?x,?y,?z):
????????self.x?=?x
????????self.y?=?y
????????self.z?=?z

>>>?ob?=?Point(1,2,3)
>>>?print(sys.getsizeof(ob))
64

如此一來，內(nèi)存中的對(duì)象就明顯變小了：

在類的定義中使用了 __slots__ 以后，大量實(shí)例占據(jù)的內(nèi)存就明顯減少了：

目前，這是降低類實(shí)例占用內(nèi)存的主要方式。

這種方式減少內(nèi)存的原理為：在內(nèi)存中，對(duì)象的標(biāo)題后面存儲(chǔ)的是對(duì)象的引用（即屬性值），訪問這些屬性值可以使用類字典中的特殊描述符：

>>>?pprint(Point.__dict__)
mappingproxy(
??????????????....................................
??????????????'x':?'x'?of?'Point'?objects>,
??????????????'y':?'y'?of?'Point'?objects>,
??????????????'z':?'z'?of?'Point'?objects>})

為了自動(dòng)化使用 __slots__ 創(chuàng)建類的過程，你可以使用庫namedlist（https://pypi.org/project/namedlist）。namedlist.namedlist 函數(shù)可以創(chuàng)建帶有 __slots__ 的類：

>>>?Point?=?namedlist('Point',?('x',?'y',?'z'))

還有一個(gè)包 attrs（https://pypi.org/project/attrs），無論使用或不使用 __slots__ 都可以利用這個(gè)包自動(dòng)創(chuàng)建類。

元組

Python 還有一個(gè)自帶的元組（tuple）類型，代表不可修改的數(shù)據(jù)結(jié)構(gòu)。元組是固定的結(jié)構(gòu)或記錄，但它不包含字段名稱。你可以利用字段索引訪問元組的字段。在創(chuàng)建元組實(shí)例時(shí)，元組的字段會(huì)一次性關(guān)聯(lián)到值對(duì)象：

>>>?ob?=?(1,2,3)
>>>?x?=?ob[0]
>>>?ob[1]?=?y?#?ERROR

元組實(shí)例非常緊湊：

>>>?print(sys.getsizeof(ob))
72

由于內(nèi)存中的元組還包含字段數(shù)，因此需要占據(jù)內(nèi)存的 8 個(gè)字節(jié)，多于帶有 __slots__ 的類：

命名元組

由于元組的使用非常廣泛，所以終有一天你需要通過名稱訪問元組。為了滿足這種需求，你可以使用模塊 collections.namedtuple。

namedtuple 函數(shù)可以自動(dòng)生成這種類：

>>>?Point?=?namedtuple('Point',?('x',?'y',?'z'))

如上代碼創(chuàng)建了元組的子類，其中還定義了通過名稱訪問字段的描述符。對(duì)于上述示例，訪問方式如下：

?class?Point(tuple):
?????#
?????@property
?????def?_get_x(self):
?????????return?self[0]
?????@property
?????def?_get_y(self):
?????????return?self[1]
?????@property
?????def?_get_z(self):
?????????return?self[2]
?????#
?????def?__new__(cls,?x,?y,?z):
?????????return?tuple.__new__(cls,?(x,?y,?z))

這種類所有的實(shí)例所占用的內(nèi)存與元組完全相同。但大量的實(shí)例占用的內(nèi)存也會(huì)稍稍多一些：

記錄類：不帶循環(huán) GC 的可變更命名元組

由于元組及其相應(yīng)的命名元組類能夠生成不可修改的對(duì)象，因此類似于 ob.x 的對(duì)象值不能再被賦予其他值，所以有時(shí)還需要可修改的命名元組。由于 Python 沒有相當(dāng)于元組且支持賦值的內(nèi)置類型，因此人們想了許多辦法。在這里我們討論一下記錄類（recordclass，https://pypi.org/project/recordclass），它在 StackoverFlow 上廣受好評(píng)（https://stackoverflow.com/questions/29290359/existence-of-mutable-named-tuple-in）。

此外，它還可以將對(duì)象占用的內(nèi)存量減少到與元組對(duì)象差不多的水平。

recordclass 包引入了類型 recordclass.mutabletuple，它幾乎等價(jià)于元組，但它支持賦值。它會(huì)創(chuàng)建幾乎與 namedtuple 完全一致的子類，但支持給屬性賦新值（而不需要?jiǎng)?chuàng)建新的實(shí)例）。recordclass 函數(shù)與 namedtuple 函數(shù)類似，可以自動(dòng)創(chuàng)建這些類：

?>>>?Point?=?recordclass('Point',?('x',?'y',?'z'))
?>>>?ob?=?Point(1,?2,?3)

類實(shí)例的結(jié)構(gòu)也類似于 tuple，但沒有 PyGC_Head：

在默認(rèn)情況下，recordclass 函數(shù)會(huì)創(chuàng)建一個(gè)類，該類不參與垃圾回收機(jī)制。一般來說，namedtuple 和 recordclass 都可以生成表示記錄或簡單數(shù)據(jù)結(jié)構(gòu)（即非遞歸結(jié)構(gòu)）的類。在 Python 中正確使用這二者不會(huì)造成循環(huán)引用。因此，recordclass 生成的類實(shí)例默認(rèn)情況下不包含 PyGC_Head 片段（這個(gè)片段是支持循環(huán)垃圾回收機(jī)制的必需字段，或者更準(zhǔn)確地說，在創(chuàng)建類的 PyTypeObject 結(jié)構(gòu)中，flags 字段默認(rèn)情況下不會(huì)設(shè)置 Py_TPFLAGS_HAVE_GC 標(biāo)志）。

大量實(shí)例占用的內(nèi)存量要小于帶有 __slots__ 的類實(shí)例：

dataobject

recordclass 庫提出的另一個(gè)解決方案的基本想法為：內(nèi)存結(jié)構(gòu)采用與帶 __slots__ 的類實(shí)例同樣的結(jié)構(gòu)，但不參與循環(huán)垃圾回收機(jī)制。這種類可以通過 recordclass.make_dataclass 函數(shù)生成：

>>>?Point?=?make_dataclass('Point',?('x',?'y',?'z'))

這種方式創(chuàng)建的類默認(rèn)會(huì)生成可修改的實(shí)例。

另一種方法是從 recordclass.dataobject 繼承：

class?Point(dataobject):
????x:int
????y:int
????z:int

這種方法創(chuàng)建的類實(shí)例不會(huì)參與循環(huán)垃圾回收機(jī)制。內(nèi)存中實(shí)例的結(jié)構(gòu)與帶有 __slots__ 的類相同，但沒有 PyGC_Head：

>>>?ob?=?Point(1,2,3)
>>>?print(sys.getsizeof(ob))
40

如果想訪問字段，則需要使用特殊的描述符來表示從對(duì)象開頭算起的偏移量，其位置位于類字典內(nèi)：

mappingproxy({'__new__':?0x7f203c4e6be0>,
??????????????.......................................
??????????????'x':?0x7f203c55c690>,
??????????????'y':?0x7f203c55c670>,
??????????????'z':?0x7f203c55c410>})

大量實(shí)例占用的內(nèi)存量在 CPython 實(shí)現(xiàn)中是最小的：

Cython

還有一個(gè)基于 Cython（https://cython.org/）的方案。該方案的優(yōu)點(diǎn)是字段可以使用 C 語言的原子類型。訪問字段的描述符可以通過純 Python 創(chuàng)建。例如：

cdef?class?Python:
????cdef?public?int?x,?y,?z

?def?__init__(self,?x,?y,?z):
??????self.x?=?x
??????self.y?=?y
??????self.z?=?z

本例中實(shí)例占用的內(nèi)存更?。?/span>

>>>?ob?=?Point(1,2,3)
>>>?print(sys.getsizeof(ob))
32

內(nèi)存結(jié)構(gòu)如下：

大量副本所占用的內(nèi)存量也很小：

但是，需要記住在從 Python 代碼訪問時(shí)，每次訪問都會(huì)引發(fā) int 類型和 Python 對(duì)象之間的轉(zhuǎn)換。

Numpy

使用擁有大量數(shù)據(jù)的多維數(shù)組或記錄數(shù)組會(huì)占用大量內(nèi)存。但是，為了有效地利用純 Python 處理數(shù)據(jù)，你應(yīng)該使用 Numpy 包提供的函數(shù)。

>>>?Point?=?numpy.dtype(('x',?numpy.int32),?('y',?numpy.int32),?('z',?numpy.int32)])

一個(gè)擁有 N 個(gè)元素、初始化成零的數(shù)組可以通過下面的函數(shù)創(chuàng)建：

?>>>?points?=?numpy.zeros(N,?dtype=Point)

內(nèi)存占用是最小的：

一般情況下，訪問數(shù)組元素和行會(huì)引發(fā) Python 對(duì)象與 C 語言 int 值之間的轉(zhuǎn)換。如果從生成的數(shù)組中獲取一行結(jié)果，其中包含一個(gè)元素，其內(nèi)存就沒那么緊湊了：

??>>>?sys.getsizeof(points[0])
??68

因此，如上所述，在 Python 代碼中需要使用 numpy 包提供的函數(shù)來處理數(shù)組。

總結(jié)

在本文中，我們通過一個(gè)簡單明了的例子，求證了 Python 語言（CPython）社區(qū)的開發(fā)人員和用戶可以真正減少對(duì)象占用的內(nèi)存量。

原文：https://habr.com/en/post/458518

推薦閱讀

1

跟繁瑣的命令行說拜拜！Gerapy分布式爬蟲管理框架來襲！

2

跟繁瑣的模型說拜拜！深度學(xué)習(xí)腳手架 ModelZoo 來襲！

3

只會(huì)用Selenium爬網(wǎng)頁？Appium爬App了解一下

4??

媽媽再也不用擔(dān)心爬蟲被封號(hào)了！手把手教你搭建Cookies池

崔慶才

靜覓博客博主，《Python3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)》作者

隱形字

個(gè)人公眾號(hào)：進(jìn)擊的Coder

長按識(shí)別二維碼關(guān)注