当前位置:首页 > 文章列表 > 文章 > python教程 > slots定义后还能用dict吗?节省多少内存

slots定义后还能用dict吗?节省多少内存

2026-01-29 18:21:31 0浏览 收藏

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的,希望这篇《slots 定义后还能用 dict 吗?内存节省多少》对你有很大帮助!欢迎收藏,分享给更多的需要的朋友学习~

没有。定义__slots__后实例默认无__dict__,除非显式包含'__dict__';这禁用动态属性添加,并显著节省内存(如10万实例从56MB降至9.6MB),但限制pickle、多重继承和调试灵活性。

slots 定义后实例还能有 dict 吗?内存节省多少

slots 定义后实例还有 __dict__ 吗?

没有。只要类定义了 __slots__,Python 就会禁用默认的 __dict__(除非显式在 __slots__ 中包含 '__dict__')。这意味着实例无法动态添加新属性,也不能通过 obj.__dict__ 查看或修改属性字典。

常见错误现象:AttributeError: 'MyClass' object has no attribute '__dict__' 或动态赋值失败:obj.new_attr = 42 报错。

  • __slots__ = ('x', 'y') → 实例只有 x 和 y 两个属性,无 __dict__
  • __slots__ = ('x', 'y', '__dict__') → 显式保留字典,但失去内存优势
  • __slots__ = () → 最极端节省:连方法查找缓存都受限,仅支持类属性和 slot 属性

内存节省到底有多少?

节省量取决于实例数量和属性个数,不是固定百分比。核心压缩点是:每个实例省掉一个 dict 对象(通常 240+ 字节) + 每个属性省掉 dict 中的键值对开销。

实测对比(CPython 3.12,64 位):

  • 无 __slots__ 的类,单实例 sys.getsizeof(obj) ≈ 560 字节(含空 __dict__)
  • 有 __slots__ = ('a', 'b', 'c'),单实例 ≈ 96 字节
  • 10 万个实例:从约 56 MB 降到约 9.6 MB —— 节省近 46 MB

注意:这个数字不含 GC 开销、引用计数等间接影响;若属性本身是大对象(如长列表、嵌套 dict),__slots__ 不影响其内部内存,只省掉属性容器层。

为什么不能盲目加 __slots__?

它不是万能优化开关,反而会破坏某些惯用模式:

  • 无法被 pickle(除非自定义 __getstate__)
  • 与多重继承配合时,只要任一父类用了 __slots__,子类必须显式声明,否则报错
  • 调试时不能临时 obj.debug_flag = True,需改用 weakref.WeakKeyDictionary 等替代方案
  • 动态生成类(如 ORM 模型、dataclass 衍生类)可能因元编程冲突而失效

真正适合的场景很明确:大量轻量实例(如 AST 节点、几何向量、事件对象)、生命周期短、属性集完全固定、不依赖运行时属性注入。

本篇关于《slots定义后还能用dict吗?节省多少内存》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

HTML5canvas取图技巧与方法详解HTML5canvas取图技巧与方法详解
上一篇
HTML5canvas取图技巧与方法详解
万年历趣味测试玩法解析
下一篇
万年历趣味测试玩法解析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    349次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    411次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    416次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    371次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    197次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码