你写的 Python 代码可以更“瘦”

在执行程序时，如果内存中有大量活动的对象，就可能出现内存问题，尤其是在可用内存总量有限的情况下。在本文中，我们将讨论缩小对象的方法，大幅减少 Python 所需的内存。

转载来源

公众号：CSDN

译者：弯月

阅读本文大概需要 7 分钟。

以下为译文：

为了简便起见，我们以一个表示点的 Python 结构为例，它包括 x、y、z 坐标值，坐标值可以通过名称访问。

Dict

在小型程序中，特别是在脚本中，使用 Python 自带的 dict 来表示结构信息非常简单方便：

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

由于在 Python 3.6 中 dict 的实现采用了一组有序键，因此其结构更为紧凑，更深得人心。但是，让我们看看 dict 在内容中占用的空间大小：

>>> print(sys.getsizeof(ob))
240

如上所示，dict 占用了大量内存，尤其是如果突然虚需要创建大量实例时：

类实例

有些人希望将所有东西都封装到类中，他们更喜欢将结构定义为可以通过属性名访问的类：

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

类实例的结构很有趣：

在上表中，__weakref__ 是该列表的引用，称之为到该对象的弱引用（weak reference）；字段 __dict__ 是该类的实例字典的引用，其中包含实例属性的值（注意在 64-bit 引用平台中占用 8 字节）。从 Python 3.3 开始，所有类实例的字典的键都存储在共享空间中。这样就减少了内存中实例的大小：

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

因此，大量类实例在内存中占用的空间少于常规字典（dict）：

不难看出，由于实例的字典很大，所以实例依然占用了大量内存。

带有 __slots__ 的类实例

为了大幅降低内存中类实例的大小，我们可以考虑干掉 __dict__ 和__weakref__。为此，我们可以借助 __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

如此一来，内存中的对象就明显变小了：

在类的定义中使用了 __slots__ 以后，大量实例占据的内存就明显减少了：

目前，这是降低类实例占用内存的主要方式。

这种方式减少内存的原理为：在内存中，对象的标题后面存储的是对象的引用（即属性值），访问这些属性值可以使用类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>})

为了自动化使用 __slots__ 创建类的过程，你可以使用库namedlist（https://pypi.org/project/namedlist）。namedlist.namedlist 函数可以创建带有 __slots__ 的类：

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

还有一个包 attrs（https://pypi.org/project/attrs），无论使用或不使用 __slots__ 都可以利用这个包自动创建类。

元组

Python 还有一个自带的元组（tuple）类型，代表不可修改的数据结构。元组是固定的结构或记录，但它不包含字段名称。你可以利用字段索引访问元组的字段。在创建元组实例时，元组的字段会一次性关联到值对象：

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

元组实例非常紧凑：

>>> print(sys.getsizeof(ob))
72

由于内存中的元组还包含字段数，因此需要占据内存的 8 个字节，多于带有 __slots__ 的类：

命名元组

由于元组的使用非常广泛，所以终有一天你需要通过名称访问元组。为了满足这种需求，你可以使用模块 collections.namedtuple。

namedtuple 函数可以自动生成这种类：

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

如上代码创建了元组的子类，其中还定义了通过名称访问字段的描述符。对于上述示例，访问方式如下：

 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))

这种类所有的实例所占用的内存与元组完全相同。但大量的实例占用的内存也会稍稍多一些：

记录类：不带循环 GC 的可变更命名元组

由于元组及其相应的命名元组类能够生成不可修改的对象，因此类似于 ob.x 的对象值不能再被赋予其他值，所以有时还需要可修改的命名元组。由于 Python 没有相当于元组且支持赋值的内置类型，因此人们想了许多办法。在这里我们讨论一下记录类（recordclass，https://pypi.org/project/recordclass），它在 StackoverFlow 上广受好评（https://stackoverflow.com/questions/29290359/existence-of-mutable-named-tuple-in）。

此外，它还可以将对象占用的内存量减少到与元组对象差不多的水平。

recordclass 包引入了类型 recordclass.mutabletuple，它几乎等价于元组，但它支持赋值。它会创建几乎与 namedtuple 完全一致的子类，但支持给属性赋新值（而不需要创建新的实例）。recordclass 函数与 namedtuple 函数类似，可以自动创建这些类：

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

类实例的结构也类似于 tuple，但没有 PyGC_Head：

在默认情况下，recordclass 函数会创建一个类，该类不参与垃圾回收机制。一般来说，namedtuple 和 recordclass 都可以生成表示记录或简单数据结构（即非递归结构）的类。在 Python 中正确使用这二者不会造成循环引用。因此，recordclass 生成的类实例默认情况下不包含 PyGC_Head 片段（这个片段是支持循环垃圾回收机制的必需字段，或者更准确地说，在创建类的 PyTypeObject 结构中，flags 字段默认情况下不会设置 Py_TPFLAGS_HAVE_GC 标志）。

大量实例占用的内存量要小于带有 __slots__ 的类实例：

dataobject

recordclass 库提出的另一个解决方案的基本想法为：内存结构采用与带 __slots__ 的类实例同样的结构，但不参与循环垃圾回收机制。这种类可以通过 recordclass.make_dataclass 函数生成：

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

这种方式创建的类默认会生成可修改的实例。

另一种方法是从 recordclass.dataobject 继承：

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

这种方法创建的类实例不会参与循环垃圾回收机制。内存中实例的结构与带有 __slots__ 的类相同，但没有 PyGC_Head：

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

如果想访问字段，则需要使用特殊的描述符来表示从对象开头算起的偏移量，其位置位于类字典内：

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

大量实例占用的内存量在 CPython 实现中是最小的：

Cython

还有一个基于 Cython（https://cython.org/）的方案。该方案的优点是字段可以使用 C 语言的原子类型。访问字段的描述符可以通过纯 Python 创建。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

本例中实例占用的内存更小：

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

内存结构如下：

大量副本所占用的内存量也很小：

但是，需要记住在从 Python 代码访问时，每次访问都会引发 int 类型和 Python 对象之间的转换。

Numpy

使用拥有大量数据的多维数组或记录数组会占用大量内存。但是，为了有效地利用纯 Python 处理数据，你应该使用 Numpy 包提供的函数。

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

一个拥有 N 个元素、初始化成零的数组可以通过下面的函数创建：

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

内存占用是最小的：

一般情况下，访问数组元素和行会引发 Python 对象与 C 语言 int 值之间的转换。如果从生成的数组中获取一行结果，其中包含一个元素，其内存就没那么紧凑了：

  >>> sys.getsizeof(points[0])
  68

因此，如上所述，在 Python 代码中需要使用 numpy 包提供的函数来处理数组。

总结

在本文中，我们通过一个简单明了的例子，求证了 Python 语言（CPython）社区的开发人员和用户可以真正减少对象占用的内存量。

原文：https://habr.com/en/post/458518

推荐阅读

1

跟繁琐的命令行说拜拜！Gerapy分布式爬虫管理框架来袭！

2

跟繁琐的模型说拜拜！深度学习脚手架 ModelZoo 来袭！

3

只会用Selenium爬网页？Appium爬App了解一下

4‍‍

妈妈再也不用担心爬虫被封号了！手把手教你搭建Cookies池

崔庆才

静觅博客博主，《Python3网络爬虫开发实战》作者

隐形字

个人公众号：进击的Coder

长按识别二维码关注