摘要

当一个类需要创建大量实例时，可以通过__slots__声明实例所需要的属性，

例如，class Foo(object): __slots__ = ['foo']。这样做带来以下优点：

1. 更快的属性访问速度
2. 减少内存消耗

以下测试环境为Ubuntu16.04 Python2.7

---

Slots的实现

我们首先来看看用纯Python是如何实现__slots__（为了将以下实现的slots与原slots区分开来，代码中用单下划线的_slots_来代替)

class Member(object):    # 定义描述器实现slots属性的查找    def __init__(self, i):        self.i = i    def __get__(self, obj, type=None):        return obj._slotvalues[self.i]    def __set__(self, obj, value):        obj._slotvalues[self.i] = value        class Type(type):    # 使用元类实现slots    def __new__(self, name, bases,  namespace):        slots = namespace.get('_slots_')        if slots:            for i, slot in enumerate(slots):                namespace[slot] = Member(i)            original_init = namespace.get('__init__')            def __init__(self, *args, **kwargs):                # 创建_slotvalues列表和调用原来的__init__                self._slotvalues = [None] * len(slots)                if original_init(self, *args, **kwargs):                    original_init(self, *args, **kwargs)            namespace['__init__'] = __init__        return type.__new__(self, name, bases, namespace)    # Python2与Python3使用元类的区别    try:    class Object(object): __metaclass__ = Typeexcept:    class Object(metaclass=Type): passclass A(Object):    _slots_ = 'x', 'y'a = A()a.x = 10print(a.x)

在CPython中，当一个A类定义了__slots__ = ('x', 'y')，A.x就是一个有__get__和__set__方法的member_descriptor，并且在每个实例中可以通过直接访问内存（direct memory access）获得。（具体实现是用偏移地址来记录描述器，通过公式可以直接计算出其在内存中的实际地址 ，，也就是说访问A.__dict__和A.x描述器的速度是相近的）

在上面的例子中，我们用纯Python实现了一个等价的slots。当一个元类看到_slots_定义了x和y，它会创建两个的类变量，x = Member(0)和y = Member(1)。然后，装饰__init__方法让新的实例创建一个_slotvalues列表。

例子中的实现和CPython不同的是：

• 例子中_slotvalues是一个存储在类对象外部的列表，而在CPython中它与实例对象存储在一起，可以通过直接访问内存获得。相应地，member decriptor也不是存在外部列表中，而同样可以通过直接访问内存获得。

• 默认情况下，__new__方法会为每个实例创建一个字典__dict__来存储实例的属性。但如果定义了__slots__，__new__方法就不会再创建这个字典。

• 由于不存在__dict__来存储新的属性，所以使用一个不在__slots__中的属性时，程序会报错。

>>> class A(object): __slots__ = ('x')>>> a = A()>>> a.y = 1Traceback (most recent call last):  File "
    
     ", line 1, in 
     
      Attribute: 'A' object has no attribute 'y'
     
    

可以利用这种特性来限制实例的属性。

---

更快的属性访问速度

默认情况下，访问一个实例的属性是通过访问该实例的__dict__来实现的。如访问a.x就相当于访问a.__dict__['x']。为了便于理解，我粗略地将它拆分为四步：

1. a.x 2. a.__dict__ 3. a.__dict__['x'] 4. 结果

从__slots__的实现可以得知，定义了__slots__的类会为每个属性创建一个描述器。访问属性时就直接调用这个描述器。在这里我将它拆分为三步：

1. b.x 2. member decriptor 3. 结果

我在上文提到，访问__dict__和描述器的速度是相近的，而通过__dict__访问属性多了a.__dict__['x']字典访值一步（一个哈希函数的消耗）。由此可以推断出，使用了__slots__的类的属性访问速度比没有使用的要快。下面用一个例子验证：

from timeit import repeatclass A(object): passclass B(object): __slots__ = ('x')def get_set_del_fn(obj):    def get_set_del():        obj.x = 1        obj.x        del obj.x    return get_set_dela = A()b = B()ta = min(repeat(get_set_del_fn(a)))tb = min(repeat(get_set_del_fn(b)))print("%.2f%%" % ((ta/tb - 1)*100))

在本人电脑上测试速度有0-20%左右的提升。

---

减少内存消耗

Python内置的字典本质是一个哈希表，它是一种用空间换时间的数据结构。为了解决冲突的问题，当字典使用量超过2/3时，Python会根据情况进行2-4倍的扩容。由此可预见，取消__dict__的使用可以大幅减少实例的空间消耗。

下面用pympler模块测试在不同属性数目下，使用__slots__前后单个实例占用内存大小：

from string import ascii_lettersfrom pympler.asizeof import asizesofdef slots_memory(num=0):    attrs = list(ascii_letters[:num])    class Unslotted(object): pass    class Slotted(object): __slots__ = attrs    unslotted = Unslotted()    slotted = Slotter()    for attr in attrs:        unslotted.__dict__[attr] = 0        exec('slotted.%s = 0' % attr, globals(), locals())    memory_use = asizesof(slotted, unslotted, unslotted.__dict__)    return memory_usedef slots_test(nums):    return [slots_memory(num) for num in nums]

测试结果:（单位：字节）

属性数量	slotted	unslotted(__dict__)
0	80	334(280)
1	152	408(344)
2	168	448(384)
8	264	1456(1392)
16	392	1776(1712)
25	536	4440(4376)

从上述结果可看到使用__slots__能极大地减少内存空间的消耗，这也是最常见到的用法。

---

使用笔记

1. 只有非字符串的迭代器可以赋值给__slots__

>>> class A(object): __slots__ = ('a', 'b', 'c')>>> class B(object): __slots__ = 'abcd'>>> B.__slots__'abc'

若直接将字符串赋值给它，就只有一个属性。

2. 关于slots的继承问题

在一般情况下，使用slots的类需要直接继承object，如class Foo(object): __slots__ = ()

在继承自己创建的类时，我根据子类父类是否定义了__slots__，将它细分为六种情况:

1. 父类有，子类没有：
   子类的实例还是会自动创建__dict__来存储属性，不过父类__slots__已有的属性不受影响。

>>> class Father(object): __slots__ = ('x')>>> class Son(Base): pass>>> son = Son()>>> son.x, son.y = 1, 1>>> son.__dict__>>> {'y': 1}

1. 父类没有，子类有：
   虽然子类取消了__dict__，但继承父类后它会继续生成。同上面一样，__slots__已有的属性不受影响。

>>> class Father(object): pass>>> class Son(Father): __slots__ = ('x')>>> son = Son()>>> son.x, son.y = 1, 1>>> son.__dict__>>> {'y': 1}

1. 父类有，子类有：
   只有子类的__slots__有效，访问父类有子类没有的属性依然会报错。

>>> class Father(object): __slots__ = ('x', 'y')>>> class Son(Father): __slots__ = ('x', 'z')>>> son = Son()>>> son.x, son.y, son.z = 1, 1, 1Traceback (most recent call last):  File "
    
     ", line 1, in 
     
      AttributeError: 'Son' object has no attribute 'y'
     
    

1. 多个拥有非空slots的父类：
   由于__slots__的实现不是简单的列表或字典，多个父类的非空__slots__不能直接合并，所以使用时会报错（即使多个父类的非空__slots__是相同的）。

>>> class Father(object): __slots__ = ('x')>>> class Mother(object): __slots__ = ('x')>>> class Son(Father, Mother): passTraceback (most recent call last):  File "
    
     ", line 1, in 
     
      TypeError: Error when calling the metaclass bases    multiple bases have instance lay-out conflict
     
    

1. 多个空slots的父类：

   这是关于slots使用多继承唯一办法。

2. 某些父类有，某些父类没有：

   跟第一种情况类似。

小结：为了正确使用__slots__，最好直接继承object。如有需要用到其他父类，则父类和子类都要定义slots，还要记得子类的slots会覆盖父类的slots。

除非所有父类的slots都为空，否则不要使用多继承。

3. 添加__dict__获取动态特性

在特殊情况下，可以在__slots__里添加__dict__来获取与普通实例同样的动态特性。

>>> class A(object): __slots__ = ()>>> class B(A): __slots__ = ('__dict__', 'x')>>> b = B()>>> b.x, b.y = 1, 1>>> b.__dict__{'y': 1}

4. 添加__weakref__获取弱引用功能

__slots__的实现不仅取消了__dict__的生成，也取消了__weakref__的生成。同样的，在__slots__将其添加可以重新获取弱引用这一功能。

5. 不能通过类属性给实例设定默认值

定义了__slots__后，这个类的类属性都变为了描述器。如果给类属性赋值，就会把描述器给覆盖了。

6. namedtuple

利用内置的namedtuple不可变的特性，结合slots，能创建出一个轻量不可变的实例。(约等于一个元组的大小)

>>> from collections import namedtuple>>> class MyNt(namedtupele('MyNt', 'bar baz')): __slots__ = ()>>> nt = MyNt('r', 'z')>>> nt.bar'r'>>> nt.baz'z'

总结

当一个类需要创建大量实例时，可以使用__slots__来减少内存消耗。如果对访问属性的速度有要求，也可以酌情使用。另外可以利用slots的特性来限制实例的属性。而用在普通类身上时，使用__slots__后会丧失动态添加属性和弱引用的功能，进而引起其他错误，所以在一般情况下不要使用它。

参考资料：