会了这几招,可以让你的 Python 代码可以更“瘦”

339 阅读10分钟

在执行程序时,如果内存中有大量活动的对象,就可能出现内存问题,尤其是在可用内存总量有限的情况下。在本文中,我们将讨论缩小对象的方法,大幅减少 Python 所需的内存。

为了简便起见,我们以一个表示点的 Python 结构为例,它包括 x、y、z 坐标值,坐标值可以通过名称访问。 Dict 在小型程序中,特别是在脚本中,使用 Python 自带的 dict 来表示结构信息非常简单方便:

>>> ob = {'x':1, 'y':2, 'z':3}
>>> x = ob['x']
>>> ob['y'] = y

由于在 Python 3.6 中 dict 的实现采用了一组有序键,因此其结构更为紧凑,更深得人心。但是,让我们看看 dict 在内容中占用的空间大小:

>>> print(sys.getsizeof(ob))
240

如上所示,dict 占用了大量内存,尤其是如果突然虚需要创建大量实例时:

实例数 对象大小
1 000 000 240 Mb
10 000 000 2.40 Gb
100 000 000 24 Gb

类实例 有些人希望将所有东西都封装到类中,他们更喜欢将结构定义为可以通过属性名访问的类:

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
class Point:
    #
    def __init__(self, x, y, z):
        self.x = x
        self.y = y
        self.z = z

>>> ob = Point(1,2,3)
>>> x = ob.x
>>> ob.y = y

类实例的结构很有趣:

字段 大小(比特)
PyGC_Head 24
PyObject_HEAD 16
__ weakref__ 8
__ dict__ 8
合计: 56

在上表中,__ weakref__ 是该列表的引用,称之为到该对象的弱引用(weak reference);字段 __ dict__ 是该类的实例字典的引用,其中包含实例属性的值(注意在 64-bit 引用平台中占用 8 字节)。从 Python 3.3 开始,所有类实例的字典的键都存储在共享空间中。这样就减少了内存中实例的大小:

>>> print(sys.getsizeof(ob), sys.getsizeof(ob.__dict__)) 
56 112

因此,大量类实例在内存中占用的空间少于常规字典(dict):

实例数 大小
1 000 000 168 Mb
10 000 000 1.68 Gb
100 000 000 16.8 Gb

不难看出,由于实例的字典很大,所以实例依然占用了大量内存。

带有 __ slots__ 的类实例

为了大幅降低内存中类实例的大小,我们可以考虑干掉 __ dict__ 和__weakref__。为此,我们可以借助 __ slots__:

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
class Point:
    __slots__ = 'x', 'y', 'z'

    def __init__(self, x, y, z):
        self.x = x
        self.y = y
        self.z = z

>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
64

如此一来,内存中的对象就明显变小了:

字段 大小(比特)
PyGC_Head 24
PyObject_HEAD 16
x 8
y 8
z 8
总计: 64

在类的定义中使用了 slots 以后,大量实例占据的内存就明显减少了:

实例数 大小
1 000 000 64 Mb
10 000 000 640 Mb
100 000 000 6.4 Gb

目前,这是降低类实例占用内存的主要方式。 这种方式减少内存的原理为:在内存中,对象的标题后面存储的是对象的引用(即属性值),访问这些属性值可以使用类字典中的特殊描述符:

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
>>> pprint(Point.__dict__)
mappingproxy(
              ....................................
              'x': <member 'x' of 'Point' objects>,
              'y': <member 'y' of 'Point' objects>,
              'z': <member 'z' of 'Point' objects>})

为了自动化使用 __ slots__ 创建类的过程,你可以使用库namedlist(pypi.org/project/nam… 函数可以创建带有 __ slots__ 的类:

>>> Point = namedlist('Point', ('x', 'y', 'z'))

还有一个包 attrs(pypi.org/project/att… __ slots__ 都可以利用这个包自动创建类。

元组

Python 还有一个自带的元组(tuple)类型,代表不可修改的数据结构。元组是固定的结构或记录,但它不包含字段名称。你可以利用字段索引访问元组的字段。在创建元组实例时,元组的字段会一次性关联到值对象:

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
>>> ob = (1,2,3)
>>> x = ob[0]
>>> ob[1] = y # ERROR

元组实例非常紧凑:

>>> print(sys.getsizeof(ob))
72

由于内存中的元组还包含字段数,因此需要占据内存的 8 个字节,多于带有 slots 的类:

字段 大小(字节)
PyGC_Head 24
PyObject_HEAD 16
ob_size 8
[0] 8
[1] 8
[2] 8
总计: 72

命名元组

由于元组的使用非常广泛,所以终有一天你需要通过名称访问元组。为了满足这种需求,你可以使用模块 collections.namedtuple。 namedtuple 函数可以自动生成这种类:

>>> Point = namedtuple('Point', ('x', 'y', 'z'))

如上代码创建了元组的子类,其中还定义了通过名称访问字段的描述符。对于上述示例,访问方式如下:

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
 class Point(tuple):
     #
     @property
     def _get_x(self):
         return self[0]
     @property
     def _get_y(self):
         return self[1]
     @property
     def _get_z(self):
         return self[2]
     #
     def __new__(cls, x, y, z):
         return tuple.__new__(cls, (x, y, z))

这种类所有的实例所占用的内存与元组完全相同。但大量的实例占用的内存也会稍稍多一些:

实例数 大小
1 000 000 72 Mb
10 000 000 720 Mb
100 000 000 7.2 Gb

记录类:不带循环 GC 的可变更命名元组

由于元组及其相应的命名元组类能够生成不可修改的对象,因此类似于 ob.x 的对象值不能再被赋予其他值,所以有时还需要可修改的命名元组。由于 Python 没有相当于元组且支持赋值的内置类型,因此人们想了许多办法。在这里我们讨论一下记录类(recordclass,pypi.org/project/rec… StackoverFlow 上广受好评(stackoverflow.com/questions/2…

此外,它还可以将对象占用的内存量减少到与元组对象差不多的水平。

recordclass 包引入了类型 recordclass.mutabletuple,它几乎等价于元组,但它支持赋值。它会创建几乎与 namedtuple 完全一致的子类,但支持给属性赋新值(而不需要创建新的实例)。recordclass 函数与 namedtuple 函数类似,可以自动创建这些类:

 >>> Point = recordclass('Point', ('x', 'y', 'z'))
 >>> ob = Point(1, 2, 3)

类实例的结构也类似于 tuple,但没有 PyGC_Head:

字段 大小(字节)
PyObject_HEAD 16
ob_size 8
x 8
y 8
z 8
总计: 48

在默认情况下,recordclass 函数会创建一个类,该类不参与垃圾回收机制。一般来说,namedtuple 和 recordclass 都可以生成表示记录或简单数据结构(即非递归结构)的类。在 Python 中正确使用这二者不会造成循环引用。因此,recordclass 生成的类实例默认情况下不包含 PyGC_Head 片段(这个片段是支持循环垃圾回收机制的必需字段,或者更准确地说,在创建类的 PyTypeObject 结构中,flags 字段默认情况下不会设置 Py_TPFLAGS_HAVE_GC 标志)。

大量实例占用的内存量要小于带有 __ slots__ 的类实例:

实例数 大小
1 000 000 48 Mb
10 000 000 480 Mb
100 000 000 4.8 Gb

dataobject

recordclass 库提出的另一个解决方案的基本想法为:内存结构采用与带 slots 的类实例同样的结构,但不参与循环垃圾回收机制。这种类可以通过 recordclass.make_dataclass 函数生成:

>>> Point = make_dataclass('Point', ('x', 'y', 'z'))

这种方式创建的类默认会生成可修改的实例。 另一种方法是从 recordclass.dataobject 继承:

class Point(dataobject):
    x:int
    y:int
    z:int

这种方法创建的类实例不会参与循环垃圾回收机制。内存中实例的结构与带有 slots 的类相同,但没有 PyGC_Head:

字段 大小(字节)
PyObject_HEAD 16
ob_size 8
x 8
y 8
z 8
总计: 48
>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
40

如果想访问字段,则需要使用特殊的描述符来表示从对象开头算起的偏移量,其位置位于类字典内:

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
mappingproxy({'__new__': <staticmethod at 0x7f203c4e6be0>,
              .......................................
              'x': <recordclass.dataobject.dataslotgetset at 0x7f203c55c690>,
              'y': <recordclass.dataobject.dataslotgetset at 0x7f203c55c670>,
              'z': <recordclass.dataobject.dataslotgetset at 0x7f203c55c410>})

大量实例占用的内存量在 CPython 实现中是最小的:

实例数 大小
1 000 000 40 Mb
10 000 000 400 Mb
100 000 000 4.0 Gb

Cython

还有一个基于 Cython(cython.org/)的方案。该方案的优点… C 语言的原子类型。访问字段的描述符可以通过纯 Python 创建。例如:

'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
cdef class Python:
    cdef public int x, y, z

 def __init__(self, x, y, z):
      self.x = x
      self.y = y
      self.z = z

本例中实例占用的内存更小:

>>> ob = Point(1,2,3)
>>> print(sys.getsizeof(ob))
32

内存结构如下:

字段 大小(字节)
PyObject_HEAD 16
x 4
y 4
z 4
nycto 4
总计: 32

大量副本所占用的内存量也很小:

实例数 大小
1 000 000 32 Mb
10 000 000 320 Mb
100 000 000 3.2 Gb

但是,需要记住在从 Python 代码访问时,每次访问都会引发 int 类型和 Python 对象之间的转换。

Numpy

使用拥有大量数据的多维数组或记录数组会占用大量内存。但是,为了有效地利用纯 Python 处理数据,你应该使用 Numpy 包提供的函数。

>>> Point = numpy.dtype(('x', numpy.int32), ('y', numpy.int32), ('z', numpy.int32)])

一个拥有 N 个元素、初始化成零的数组可以通过下面的函数创建:

 >>> points = numpy.zeros(N, dtype=Point)

内存占用是最小的:

实例数 大小
1 000 000 12 Mb
10 000 000 120 Mb
100 000 000 1.2 Gb

一般情况下,访问数组元素和行会引发 Python 对象与 C 语言 int 值之间的转换。如果从生成的数组中获取一行结果,其中包含一个元素,其内存就没那么紧凑了:

  >>> sys.getsizeof(points[0])
  68

因此,如上所述,在 Python 代码中需要使用 numpy 包提供的函数来处理数组。

总结 在本文中,我们通过一个简单明了的例子,求证了 Python 语言(CPython)社区的开发人员和用户可以真正减少对象占用的内存量。