爱上python系列------python性能(八):slots减少内存的使用

雨点打透心脏的1/2处 2022-12-18 04:59 132阅读 0赞

\_\_slots\_\_用于固定class里面打属性，一旦使用了\_\_slots\_\_，就只能使用设置好的属性了，而不能动态添加了

没有使用\_\_slots\_\_的class，实例化对象的是时候是使用的dict，而使用过的会将dict转成一个元组，我们都知道元组是不能修改的。有利于检索对象，因此加上\_\_slots\_\_的类，无需分配和使用dict

接下来，我们做一个实验，对比加上和没有加上的对象使用字节数量

使用\_\_slots\_\_

from pympler.asizeof import asizesof
    
    class DaGongRen():#打工人
        __slots__ = ('id_dg','age','salary')
        def __init__(self,id_dg,age,salary):
            self.id_dg=id_dg
            self.age=age
    	self.salary=salary
    
        #@profile
        def test():
            d=DaGongRen(10001,18,2000)
    	#print(asizesof(d.__dict__))
            print(asizesof(d))
    if __name__ == '__main__':
        test()

运行结果：

[aspiree1431 opt]# python  lru_cache.py
    (152,)

不使用\_\_slots\_\_：

from pympler.asizeof import asizesof
    
    class DaGongRen():#打工人
        #__slots__ = ('id_dg','age','salary')
        def __init__(self,id_dg,age,salary):
            self.id_dg=id_dg
            self.age=age
    	self.salary=salary
    
        #@profile
        def test():
            d=DaGongRen(10001,18,2000)
    	#print(asizesof(d.__dict__))
            print(asizesof(d))
    if __name__ == '__main__':
        test()

运行结果：

[aspiree1431 opt]# python  lru_cache.py
    (416,)

我们可以看到，使用\_\_slots\_\_后对象内存使用减少还是比较多

上面只是显示的是对象使用的内存，接下来准备对比一下使用\_\_slots\_\_后函数内存使用的情况：

使用\_\_slots\_\_：

from pympler.asizeof import asizesof
    
    class DaGongRen():#打工人
        __slots__ = ('id_dg','age','salary')
        def __init__(self,id_dg,age,salary):
    	self.id_dg=id_dg
    	self.age=age
    	self.salary=salary
    
        @profile
        def test():
    	d=[ DaGongRen(10001,18,2000) for i in range(100000) ]
    	#print(asizesof(d.__dict__))
    	#print(asizesof(d))
    if __name__ == '__main__':
        test()

运行结果：

[aspiree1431 opt]# python -m memory_profiler lru_cache.py 
    Filename: lru_cache.py
    
    Line #    Mem usage    Increment  Occurences   Line Contents
    ============================================================
        32   33.656 MiB   33.656 MiB           1   @profile
        33                                         def test():
        34   40.809 MiB    7.152 MiB      100003            d=[ DaGongRen(10001,18,2000) for i in range(100000) ]

不使用\_\_slots\_\_：

from pympler.asizeof import asizesof
    
    class DaGongRen():#打工人
        #__slots__ = ('id_dg','age','salary')
        def __init__(self,id_dg,age,salary):
    	self.id_dg=id_dg
    	self.age=age
    	self.salary=salary
    
        @profile
        def test():
    	d=[ DaGongRen(10001,18,2000) for i in range(100000) ]
    	#print(asizesof(d.__dict__))
    	#print(asizesof(d))
    if __name__ == '__main__':
        test()

运行结果：

[aspiree1431 opt]# python -m memory_profiler lru_cache.py 
    Filename: lru_cache.py
    
    Line #    Mem usage    Increment  Occurences   Line Contents
    ============================================================
        32   33.926 MiB   33.926 MiB           1   @profile
        33                                         def test():
        34   50.301 MiB   16.375 MiB      100003            d=[ DaGongRen(10001,18,2000) for i in range(100000) ]

我们可以发现，减少还是很多，不过好像看起来没有上面只是对象的时候比例高，这是因为对象只是函数里面的一部分，举个简单的例子。假如A有两个炒股账户A1+A2，A1基本上保持不变动，但是是占比最高，达到90%，而A2需要调整，但是占比10%，现在市场行情很好，A2翻了3倍，但是A的总账户能够翻3倍吗？

因此，我们在来做一个实验，减少迭代次数，然后会发现使用\_\_slots\_\_和不使用\_\_slots\_\_没啥区别

具体操作就是将上面的代码了里面的range(100000)里面减少一个0

#这个是使用了的
    [aspiree1431 opt]# python -m memory_profiler lru_cache.py 
    Filename: lru_cache.py
    
    Line #    Mem usage    Increment  Occurences   Line Contents
    ============================================================
        32   33.129 MiB   33.129 MiB           1   @profile
        33                                         def test():
        34   33.129 MiB    0.000 MiB           1            d=DaGongRen(2,18,2000)
    
    #这个是没有使用了的
    [aspiree1431 opt]# python -m memory_profiler lru_cache.py 
    Filename: lru_cache.py
    
    Line #    Mem usage    Increment  Occurences   Line Contents
    ============================================================
        32   33.344 MiB   33.344 MiB           1   @profile
        33                                         def test():
        34   33.344 MiB    0.000 MiB           1            d=DaGongRen(2,18,2000)

这个实验可以说明，建对象需要很多的时候才能提升比较大，对于函数而已