本文首发于 at7h 的个人博客
网络上有一篇比较有名的文章叫 Saving 9 GB of RAM with Python’s __slots__，文章示例中仅对 Image 类添加了一个 __slots__属性就为服务器节省了 9G 的内存占用。如果有同学看过一些开源的 Python ORM，如 SQLAlchemy, peewee 等，或是看过一些进行 IO 处理的包，你就会在其中发现很多 __slots__ 的身影。
那么，这个 __slots__ 到底是什么？
下面的解释整理自 Python 官方文档：
object.__slots__是一个类变量，可赋值为字符串、可迭代对象或由实例使用的变量名构成的字符串序列。其允许我们显式地声明数据成员（如特征属性），为已声明的变量保留空间，并禁止为每个实例创建__dict__和__weakref__。
举个例子：
class X:
def __init__(self, a, b):
self.a = a
self.b = b
class Y:
__slots__ = ('a', 'b')
def __init__(self, a, b):
"""
此时如果你声明一个 __slots__ 中没有的属性，如
self.c = 1
pylint 等就会提示错误：
[pylint] [Error] Assigning to attribute 'c' not defined in class slots
当然如果你执意要写的话，初始化实例的时候会引发 AttributeError：
AttributeError: 'Y' object has no attribute 'c'
"""
self.a = a
self.b = b
复制代码>>> import weakref
>>> x = X(7, 8)
>>> x.a
7
>>> x.c = 9
>>> x.__dict__
{'a': 7, 'b': 8, 'c': 9}
>>> rx = weakref.ref(x)
>>> rx
<weakref at 0x107a9e278; to 'X' at 0x107618f98>
>>> y = Y(7, 8)
>>> y.a
7
>>> y.c = 9
AttributeError: 'Y' object has no attribute 'c'
>>> y.__dict__
AttributeError: 'Y' object has no attribute '__dict__'
>>> ry = weakref.ref(y)
TypeError: cannot create weak reference to 'Y' object
复制代码那使用 __slots__ 到底有什么作用呢？🤔
答案是与 __dict__ 相比，使用 __slots__ 的方式可以显著地节省内存空间，提升属性的查找速度。
之所以会在 ORM 等项目里频繁使用，正是因为这些项目中存在特别多大量创建实例的操作，使用 __slots__ 会明显减少内存的使用，提升速度。并且随着实例数目的增加，其效果会更加显著。
几点疑问
至此，你可能会有几点疑问：
- 为什么
__slots__可以节省内存，提高速度的？ - 咋通过
__slots__来实现属性的存储与访问的？ - 使用了
__slots__的类怎么实现动态赋值，如果需要实例弱引用支持怎么搞？ - 使用了
__slots__的类继承与被继承时的表现？
针对这几个问题作答：
1. 通常情况下，类实例使用 __dict__来存储其属性数据，好处是允许我们在运行时动态的设置实例属性，然而 dict 哈希表本身的数据结构决定了它需要更多的内存，当创建的实例越多，或者实例的属性越多时，内存的耗费将更加严重。__slots__ 保证了解释器在编译时期就知道这个类具有什么属性，以分配固定的空间来存储已知的属性。
2. 使用 __slots__ 时，会将属性的存储从实例的 __dict__ 改为类的 __dict__ 中：
>>> Y.__dict__
mappingproxy({'__module__': '__main__',
'__slots__': ('a', 'b'),
'__init__': <function __main__.Y.__init__(self, a, b)>,
'a': <member 'a' of 'Y' objects>,
'b': <member 'b' of 'Y' objects>,
'__doc__': None})
复制代码属性的访问是通过在类层级上为每个 slot 变量创建和 实现描述器(descriptor) 实现的，该描述器知道属性值在实例列表中的唯一位置。关于描述器与属性的访问在我的 走进 Python 类的内部 一文中均有详细的解释，感兴趣的同学可前去阅读。另外，这篇 how __slots__ are implemented 也许可以帮助你的理解，尽管我看它写于很多年前，但至今依然有借鉴意义。
3.. 怎么实现动态赋值和弱引用支持？答案是：在 __slots__ 中加上 __dict__ 和 __weakref__。
class Y:
__slots__ = ('a', 'b', '__dict__', '__weakref__')
def __init__(self, a, b):
self.a = a
self.b = b
复制代码>>> import weakref
>>> y = Y(7, 8)
>>> y.a
7
>>> y.b
8
>>> y.c = 9
>>> y.__dict__
{'c': 9}
>>> ry = weakref.ref(y)
>>> ry
<weakref at 0x107d17d68; to 'Y' at 0x107a4d480>
复制代码4. 当类继承自一个未定义 __slots__ 的类时，实例的 __dict__ 和 __weakref__ 属性将总是可访问的。
class X:
def __init__(self):
self.a = 7
class Y(X):
__slots__ = ('b', 'c')
def __init__(self):
super().__init__()
self.b = 8
self.c = 9
复制代码>>> y = Y()
>>> y.a
7
>>> y.b
8
>>> y.__dict__
{'a': 7}
复制代码5. 在父类中声明的 __slots__ 在其子类中同样可用。不过，子类将会获得 __dict__ 和 __weakref__，除非它们也定义了 __slots__ 。
class X:
__slots__=('a', 'b')
def __init__(self):
self.a = 7
self.b = 8
class Y(X):
"""没有定义 __slots__"""
class Z(X):
__slots__ = ()
复制代码>>> y = Y()
>>> y.a
7
>>> y.b
8
>>> y.c = 9
>>> y.__dict__
{'c': 9}
>>> z = Z()
>>> z.a
7
>>> z.b
8
>>> z.c = 9
AttributeError: 'Z' object has no attribute 'c'
复制代码所以，由 4，5 可知如果需要使用 __slots__, 那么从基类到每个继承的子类都要定义 __slots__。
注意事项
- 非空的
__slots__不适用于派生自「可变长度」内置类型（如int、str和tuple的派生类）。 __class__赋值仅在两个类具有相同的__slots__时才会起作用。
结论
尽管 __slots__ 可以节省内存空间，提高属性的访问速度，但也存在局限性和副作用，并不是用了就是好的，那么到底达到多大的实例规模的类推荐使用呢？这个我也没有具体做过实验，感兴趣的同学可以自行搜索相关论文。在不同的业务场景下，衡量方式也会不同，绝不会是说用 __slots__ 就是好的，必须是需要根据具体场景来决定。
同名微信公众号：
