python __slots__ 详解（上篇）

转自：http://blog.csdn.net/sxingming/article/details/52892640

python中的new-style class要求继承Python中的一个内建类型，一般继承object，也可以继承list或者dict等其他的内建类型。
在python新式类中，可以定义一个变量__slots__，它的作用是阻止在实例化类时为实例分配dict，

默认情况下每个类都会有一个dict,通过__dict__访问，这个dict维护了这个实例的所有属性，举例如下：

1. class base(object):
2. var=9 #类变量
3. def __init__(self):
4. pass
5. b=base()
6. print b.__dict__
7. b.x=2 #添加实例变量
8. print b.__dict__

运行结果：
{ }
{'x': 2}
可见：实例的dict只保持实例的变量，对于类的属性是不保存的，类的属性包括变量和函数。
由于每次实例化一个类都要分配一个新的dict，因此存在空间的浪费，因此有了__slots__。
__slots__是一个元组，包括了当前能访问到的属性。
当定义了slots后，slots中定义的变量变成了类的描述符，相当于java，c++中的成员变量声明，
类的实例只能拥有slots中定义的变量，不能再增加新的变量。注意：定义了slots后，就不再有dict。如下：

1. class base(object):
2. __slots__=('x')
3. var=8
4. def __init__(self):
5. pass
6. b=base()
7. b.x=88 #添加实例变量
8. print b.x
9. #b.y=99 #无法添加slots之外的变量 (AttributeError: 'base' object has no attribute 'y')
10. #print b.__dict__ #定义了__slots__后，就不再有__dict__ (AttributeError: 'base' object has no attribute '__dict__')

运行结果：
88
如果类变量与slots中的变量同名，则该变量被设置为readonly！！！如下：

1. class base(object):
2. __slots__=('y')
3. y=22 # y是类变量,y与__slots__中的变量同名
4. var=11
5. def __init__(self):
6. pass
7. b=base()
8. print b.y
9. print base.y
10. #b.y=66 #AttributeError: 'base' object attribute 'y' is read-only

运行结果：
22
22
Python是一门动态语言，可以在运行过程中，修改实例的属性和增删方法。一般，任何类的实例包含一个字典__dict__,
Python通过这个字典可以将任意属性绑定到实例上。有时候我们只想使用固定的属性，而不想任意绑定属性，
这时候我们可以定义一个属性名称集合，只有在这个集合里的名称才可以绑定。__slots__就是完成这个功能的。

1. class test_slots(object):
2. __slots__='x','y'
3. def printHello(self):
4. print 'hello!'
5. class test(object):
6. def printHello(self):
7. print 'hello'
8. print dir(test_slots) #可以看到test_slots类结构里面包含__slots__,x,y
9. print dir(test)#test类结构里包含__dict__
10. print '**************************************'
11. ts=test_slots()
12. t=test()
13. print dir(ts) #可以看到ts实例结构里面包含__slots__,x,y，不能任意绑定属性
14. print dir(t) #t实例结构里包含__dict__,可以任意绑定属性
15. print '***************************************'
16. ts.x=11 #只能绑定__slots__名称集合里的属性
17. t.x=12 #可以任意绑定属性
18. print ts.x,t.x
19. ts.y=22 #只能绑定__slots__名称集合里的属性
20. t.y=23  #可以任意绑定属性
21. print ts.y,t.y
22. #ts.z=33 #无法绑定__slots__集合之外的属性(AttributeError: 'test_slots' object has no attribute 'z')
23. t.z=34 #可以任意绑定属性
24. print t.z

运行结果：
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__module__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__slots__', '__str__', '__subclasshook__', 'printHello', 'x', 'y']
['__class__', '__delattr__', '__dict__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__module__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'printHello']
**************************************
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__module__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__slots__', '__str__', '__subclasshook__', 'printHello', 'x', 'y']
['__class__', '__delattr__', '__dict__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__module__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'printHello']
***************************************
11 12
22 23
34

正如上面所说的，默认情况下,Python的新式类和经典类的实例都有一个dict来存储实例的属性。这在一般情况下还不错，而且非常灵活，
乃至在程序中可以随意设置新的属性。但是，对一些在”编译”前就知道有几个固定属性的小class来说，这个dict就有点浪费内存了。
当需要创建大量实例的时候，这个问题变得尤为突出。一种解决方法是在新式类中定义一个__slots__属性。
__slots__声明中包含若干实例变量，并为每个实例预留恰好足够的空间来保存每个变量；这样Python就不会再使用dict，从而节省空间。

【使用memory_profiler模块，memory_profiler模块是在逐行的基础上，测量代码的内存使用率。尽管如此，它可能使得你的代码运行的更慢。使用装饰器@profile来标记哪个函数被跟踪。】

下面，我们看一个例子：

1. from  memory_profiler import profile
2. class A(object): #没有定义__slots__属性
3. def __init__(self,x):
4. self.x=x
5. @profile
6. def main():
7. f=[A(523825) for i in range(100000)]
8. if __name__=='__main__':
9. main()

运行结果，如下图：

第2列表示该行执行后Python解释器的内存使用情况，第3列表示该行代码执行前后的内存变化。
在没有定义__slots__属性的情况下，该代码共使用了20.8MiB内存。
从结果可以看出，内存使用是以MiB为单位衡量的,表示的mebibyte(1MiB = 1.05MB)

1. from  memory_profiler import profile
2. class A(object):#定义了__slots__属性
3. __slots__=('x')
4. def __init__(self,x):
5. self.x=x
6. @profile
7. def main():
8. f=[A(523825) for i in range(100000)]
9. if __name__=='__main__':
10. main()

运行结果，如下图：

可以看到，在定义了__slots__属性的情况下，该代码共使用了6.1MiB内存，比上面的20.8MiB节省了很多内存！
综上所述，在确定了类的属性固定的情况下，可以使用__slots__来优化内存。
提醒:不要贸然进行这个优化，把它用在所有地方。这种做法不利于代码维护，而且只有生成数以千计的实例的时候才会有明显效果。