当前位置:首页 > 文章列表 > 文章 > python教程 > Python 用 slots 节省对象内存占用

Python 用 slots 节省对象内存占用

2026-02-28 16:51:44 0浏览 收藏
Python 的 `__slots__` 并非万能内存优化神器,其效果高度依赖类的继承结构和定义方式:当类继承内置类型(如 `list`、`dict`)或任意含有 `__dict__` 的父类时,`__slots__` 会被完全忽略,甚至因额外元数据导致实例更占内存;只有在纯新式类且整个继承链中无 `__dict__` 时才真正生效,而实际使用中极易因拼写错误(如漏括号)、动态属性需求、多继承冲突或第三方库兼容性问题而失效或引发异常——因此,是否启用 `__slots__` 不能只看代码写了没,必须通过 `sys.getsizeof()`、`hasattr(obj, '__dict__')` 和 `vars(obj)` 等手段实测验证,否则可能徒增复杂度却毫无收益。

Python 使用 slots 控制对象内存占用

为什么 __slots__ 有时反而让对象变大

不是加了 __slots__ 就一定省内存,尤其当类继承自内置类型(如 list、dict)或已有 __dict__ 的父类时,Python 会直接忽略 __slots__。这种情况下不仅不省空间,还可能因额外的元信息导致实例更大。

  • 只对「纯新式类」且「无父类定义 __dict__」时生效;检查父类是否含 __dict__:用 hasattr(Parent, '__dict__')
  • __slots__ 声明的字段名必须是字符串序列,写成 __slots__ = 'x', 'y'(缺括号)会变成单个字符串,导致只允许一个属性 'x',其余赋值抛 AttributeError
  • 如果类需要动态添加属性(比如打日志、临时缓存),硬上 __slots__ 会导致运行时报错,得提前预留 '__dict__' —— 但这就基本抵消内存收益

如何验证 __slots__ 真正起效

别光看代码写了没,得测实际内存和结构。最直接的方式是对比 sys.getsizeof() 和 obj.__dict__ 是否存在。

  • 加了 __slots__ 后,实例不应有 __dict__:hasattr(inst, '__dict__') 应为 False
  • 用 vars(inst) 查看属性容器:返回 TypeError 表示 __slots__ 生效;若返回字典,说明没生效或被绕过
  • 注意 sys.getsizeof() 只算对象本身,不含引用内容(如字符串、列表),要测整体开销得结合 pympler.asizeof

__slots__ 和 property / 描述符共存要注意什么

__slots__ 只控制实例属性存储位置,不影响描述符逻辑,但容易误以为「property 名也要放进 __slots__」。

  • @property 的 getter/setter 是类属性,不占实例空间,无需、也不该写进 __slots__
  • 如果 property 背后依赖一个私有实例变量(如 _value),那 _value 才是需声明在 __slots__ 中的项
  • 使用 __slots__ 后,无法通过 inst.__dict__['x'] = val 绕过限制,所有赋值都走 __setattr__,所以自定义 __setattr__ 时得小心处理 slots 字段校验

多继承下 __slots__ 的冲突表现

多个父类都定义了 __slots__,但内容不一致时,子类会报 TypeError: multiple bases have instance lay-out conflict。

  • 只要任一父类有 __slots__,其他同级父类也必须有,且不能有重叠字段(除非完全一致)
  • 常见踩坑:混用第三方库类(如 dataclasses 生成的类默认无 __slots__)和你自己加了 __slots__ 的基类
  • 解决办法只有两个:要么统一所有父类加相同 __slots__,要么放弃继承,改用组合(composition)
实际用的时候,最容易被忽略的是「父类有没有悄悄带 __dict__」——哪怕它没显式定义,只要继承链里某一级用了普通类定义(没设 __slots__),整个继承树就废了。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

PHP大数处理技巧:GMP扩展突破限制PHP大数处理技巧:GMP扩展突破限制
上一篇
PHP大数处理技巧:GMP扩展突破限制
Golang实现gRPC服务通信详解
下一篇
Golang实现gRPC服务通信详解
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。
    591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。
    627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。
    661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。
    631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。
    445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