当程序执行过程中RAM中有大量对象处于活动状态时,可能会出现内存问题,特别是在对可用内存总量有限制的情况下。
下面概述了一些减小对象大小的方法,这些方法可以显著减少纯Python程序所需的RAM数量。
注: 这是我原帖子的英文版本(原帖子是用俄文写的)。(/ru/post/455722/ )
为了简单起见,我们将考虑用Python中的结构来表示坐标为x、y、z的点,并通过名称来访问坐标值。
Dict
在小程序中,特别是在脚本中,使用内置的dict来表示结构信息是非常简单方便的:
随着Python 3.6中使用一组有序键的更紧凑实现方式的出现,dict变得更有吸引力。但是,让我们看看它在RAM中的内存大小:
它需要大量内存,特别是当你突然需要创建大量实例时:
类实例
对于那些喜欢将所有东西放置在类中的人来说,最好将结构定义为一个可以通过属性名访问的类,:
类实例的结构很有趣:
这里的__weakref__是对这个对象的所谓弱引用列表的一个引用,__dict__字段是对类实例字典的引用,它包含实例属性的值(注意64位的引用平台会占用8个字节)。从Python 3.3开始,共享空间用于在字典中存储类的所有实例的键。这减少了RAM中实例堆栈的大小:
因此,大量的类实例占用的内存比一个普通字典(dict)占用的要小:
很容易看出,由于实例字典的大小,RAM中实例的大小仍然很大。
带有__slots__的类实例
通过消除 __dict__和__weakref__,可以显著减小RAM中的类实例的大小。这通过一个带有__slots__的小“技巧”是可能实现的:
RAM中的对象大小明显变小了:
在类定义中使用__slots__可以显著减少大量实例对内存空间的占用:
目前,这是大幅度减少RAM中类实例的内存占用的主要方法。
这是因为在内存中,对象引用会紧跟标题之后被存储在内存中——属性值,并通过类字典中的特殊描述符来访问它们:
要自动化使用 __slots__创建一个类的过程,有一个库[namedlist] (/project/namedlist )可以使用。namedlist.namedlist函数会创建一个带有__slots__的类:
另一个包[attrs] (/project/attrs )允许你使用和不使用__slots__自动创建类。
元组
Python还有一个内置的类型tuple(元组),用于表示不可变的数据结构。一个元组是一个固定的结构或记录,但没有字段名。对于字段访问,使用的是字段索引。元组字段在元组实例创建时就一次性与值对象相关联:
元组的实例是相当简洁的:
它们在内存中占用的字节比使用__slots__的类实例要多8个字节,因为内存中的元组跟踪也包含许多字段:
Namedtuple(命名元组)
由于元组使用的非常广泛,某天有人可能会提交一个通过名称访问字段的请求。这个请求的答案是collections.namedtuple模块。
namedtuple函数的目的是自动生成这样的类:
它会创建一个元组子类,其中定义了用于按名称访问字段的描述符。在我们的例子中,它看起来是这样的:
这些类的所有实例都具有与元组相同的内存占用量。大量的实例会占用更大的内存空间:
Recordclass: 没有循环GC的可变namedtuple
由于tuple和相应的namedtuple类会生成不可变对象,因此,ob.x属性就不能再与另一个值对象相关联了,对可变namedtuple变体的请求已经出现了。由于Python中没有与支持赋值的元组相同的内置类型,因此,开发者们创建了许多选项。我们将关注[recordclass] (/project/recordclass ),它的评级为[stackoverflow] (/questions/29290359/ exists -of-mutable-name - tuplein -python / 29419745 )。此外,与类元组对象的大小相比,它还可以用来减小RAM中对象的大小。
包recordclass引入了recordclass.mutabletuple类型,它几乎与tuple相同,但它支持赋值。在此基础上,创建的子类几乎与namedtuple完全相同,但它支持将新值赋给字段(不需要创建新的实例)。recordclass函数与namedtuple函数一样,允许你自动创建这些类:
只有在没有PyGC_Head的情况下,类实例才具有与tuple相同的结构:
默认情况下,recordclass函数会创建一个不参与循环垃圾回收机制的类。通常,namedtuple和recordclass用于生成表示记录或简单(非递归)数据结构的类。在Python中正确使用它们就不会生成循环引用。出于这个原因, 在recordclass生成的类实例后面 ,默认情况下,PyGC_Head 部分会被排除在外, 这对支持循环垃圾回收机制(更准确地说:在与创建的类相关联的PyTypeObject结构中,默认情况下,flag字段中的Py_TPFLAGS_HAVE_GC是没有设置的)的类来说是必要的。
大量实例的内存占用量比使用了__slots__的类的实例要小:
Dataobject
recordclass库中提出的另一个解决方案是基于这样的思想:在内存中使用与带有__slots__的类实例相同的存储结构,但不参与循环垃圾回收机制。这些类是使用recordclass.make_dataclass数生成的:
默认情况下,以这种方式创建的类将创建可变实例。
另一种方法——使用继承自recordclass.dataobject的类声明:
以这种方式创建的类将创建不参与循环垃圾回收机制的实例。内存中实例的结构与使用__slots__的情况相同,但是没有PyGC_Head:
为了访问字段,还可以使用特殊的描述符通过它从对象开始的偏移量来访问,这些偏移量位于类字典中:
大量实例内存占用量的大小在CPython中可能是最小的:
Cython
还有一种基于使用[Cython] ( )的方法。它的优点是字段可以接受C语言原子类型的值。自动创建用于从纯Python中来访问字段的描述符。例如:
在这种情况下,实例的内存占用更小:
内存中的实例跟踪的结构如下:
大量副本的占用空间要小一些:
但是,请记住,当你从Python代码访问时,每次都会执行从int到Python对象的转换,反之亦然。
Numpy
对大量数据使用多维数组或记录数组会增加内存占用。但是,为了在纯Python中进行有效的处理,你应该使用那些主要使用了numpy包中的函数的处理方法。
使用函数创建一个由N个元素组成的数组,并将其初始化为0:
内存中数组的大小是可能的最小值:
正常访问数组元素和行需要将Python对象转换为C中的 int值,反之亦然。提取单个行会创建一个包含单个元素的数组。它的追踪就不再那么简单了:
因此,如上所述,在Python代码中,有必要使用numpy包中的函数来处理数组。
结论
通过一个清晰而简单的示例,可以验证由开发人员和用户组成的Python编程语言(CPython)社区确实有可能显著减少对象使用的内存量。
英文原文:/en/post/458518/
译者:Nothing