Python中使用__slots__优化内存占用方法
2026-05-16 09:09:40
0浏览
收藏
Python中的`__slots__`是一种高效节省内存的机制,合理使用可使单个实例内存占用降低30%–50%,尤其在需创建数万个以上属性名固定的对象时效果显著(如10万实例节省20–40MB),其原理是用紧凑的C结构体替代开销大的`__dict__`字典;但必须谨慎采用——盲目添加会破坏动态属性赋值、继承行为、pickle序列化及与Django、dataclasses等依赖`__dict__`的库兼容性,仅当明确确认实例规模大、属性稳定且无运行时扩展需求时才值得引入,否则维护成本远超内存收益。

直接说结论:用 __slots__ 能显著降低单个实例的内存占用(通常减少 30%–50%),但只在**大量创建同一类实例**(如数万以上)且**属性名固定**时才值得加;盲目添加可能破坏动态属性、继承或 pickle 兼容性。
为什么 __slots__ 能省内存?
默认情况下,Python 实例通过一个字典 __dict__ 存储所有属性,字典本身开销大(哈希表结构、预留空槽、键字符串重复存储)。而 __slots__ 禁用 __dict__,改用紧凑的 C 结构体布局,属性直接映射到固定偏移量。
实操建议:
- 用
sys.getsizeof(obj)对比加/不加__slots__的实例大小(注意:要测 *实例*,不是类) - 对含 5 个字符串属性的类,10 万个实例可节省约 20–40 MB 内存
- 若类中已有
__dict__(比如定义了__getattr__),__slots__会失效
怎么正确声明 __slots__?
在类定义中直接赋值一个字符串元组,列出所有允许的实例属性名。不能漏写、不能拼错、不能包含方法或类变量。
示例:
class Point:
__slots__ = ('x', 'y', '_label') # ✅ 只有这三个实例属性
def __init__(self, x, y):
self.x = x
self.y = y
self._label = None
常见错误:
- 写成
__slots__ = 'x'(单字符串 → 每个字符当一个属性名)→ 改为__slots__ = ('x',) - 忘了父类的
__slots__:子类必须显式声明自己的__slots__,否则继承父类后仍会生成__dict__ - 试图给未声明的属性赋值:
p.z = 1→ 报AttributeError: 'Point' object has no attribute 'z'
哪些场景下千万别用 __slots__?
它不是银弹,以下情况加了反而出问题:
- 需要运行时动态添加属性(如
p.new_field = 42)→ 直接失败 - 用了依赖
__dict__的库:Django ORM 模型、dataclasses(除非显式设__slots__ = True)、某些序列化工具(如jsonpickle) - 类被设计为基类且预期子类要扩展属性 → 子类也得声明
__slots__,否则内存不省还多一层约束 - 用了
__getstate__/__setstate__或自定义 pickle 行为 → 需额外适配,否则 unpickle 失败
真正关键的点是:你得确认这个类的实例数量级和生命周期。如果只是偶尔创建几十个对象,或者属性名根本不确定,__slots__ 带来的维护成本远大于那几 MB 内存收益。
理论要掌握,实操不能落!以上关于《Python中使用__slots__优化内存占用方法》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
Python构建预测性维护系统数据模型与算法流程
- 上一篇
- Python构建预测性维护系统数据模型与算法流程
- 下一篇
- Figma离线无法编辑?先在线打开再离线操作
查看更多
最新文章
-
- 文章 · python教程 | 1天前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 1天前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 2天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
查看更多
课程推荐
-
- 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
- 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
- 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
- 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
- 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
- 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。
- 1166次使用
-
- 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。
- 1152次使用
-
- 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。
- 1330次使用
-
- 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。
- 1273次使用
-
- 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。
- 1130次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

