Python成员属性的内存特性与底层内存优化方案

简介: 这篇博客主要分享一下python成员属性的内存特性,也就是python底层节约内存的优化方案

这篇博客主要分享一下python成员属性的内存特性,也就是python底层节约内存的优化方案

成员属性的默认值

假设我们在定义成员属性是给他一个默认值,那么所有的实例中的成员属性都是指向同一块内存,而不是每个实例创建不同的内存空间去存储成员属性,下面的代码实例

class MemoryCharacter(object):
    def __init__(self):
        self.aData: str = "123"


m1 = MemoryCharacter();
m2 = MemoryCharacter();

print(id(m1.aData), id(m2.aData));

m1.aData和m2.aData的内存地址都是一样的

2536375837360 2536375837360

python成员属性的内存会不会导致数据出问题

上面的代码实例可以看出,两个实例的成员属性的指向都是一样的,那么会不会出现这样的情况,就是修改m1.aData的值会不会改变m2.aData的值

class MemoryCharacter(object):
    def __init__(self):
        self.aData: str = "123"


m1 = MemoryCharacter();
m2 = MemoryCharacter();
m1.aData = "333";
print(m1.aData, m2.aData);
print(id(m1.aData), id(m2.aData))

这里打印m1.aData和m2.aData的值已经不一样了

333 123

内存地址也会不一样了

2736447097712 2736449239600

这样的结果就是python底层做的内存处理,因为 = 来赋值就是创建一个全新的内存空间来存储的,所以每次改动都是创建一个全新的地址来存储

除了基本类型以外其他数据类型没有这个特性

这种特性只有是基本数据类型才会有,比如list、dict等数据类型是不会存在的,会每个实例单独创建一个内存空间来存储

class MemoryCharacter3:
    def __init__(self):
        self.cData: [int] = [3];


m5 = MemoryCharacter3();
m6 = MemoryCharacter3();
print(id(m5.cData), id(m6.cData))
1918241582528 1918241584832

在构造函数中给成员属性赋值内存会是怎么样的处理

class MemoryCharacter2:
    def __init__(self, data: str):
        self.data = data;


m3 = MemoryCharacter2("aaa");
m4 = MemoryCharacter2("bbb");

print(id(m3.data), id(m4.data));

如上面这个代码,两个实例的实例属性的内存地址都是不一样的

1664226701040 1664226701232

上面这个又是什么原因导致的呢?我又在构造函数中打印传入的参数的地址

class MemoryCharacter2:
    def __init__(self, data: str):
        print(id(data))
        self.data = data;


m3 = MemoryCharacter2("aaa");
m4 = MemoryCharacter2("bbb");

print(id(m3.data), id(m4.data));

发现传入的参数地址就是最后这个实例成员属性的地址,由此得知,函数参数的传递是地址传递,而不是值传递。

因为上面的是使用基本数据类型来传递才会这样,那使用list这种不是基本数据类型的会有什么结果

class MemoryCharacter2:
    def __init__(self, data: str,cData:[int]):
        print(id(cData))
        self.cData = cData;
        self.data = data;

m3 = MemoryCharacter2("aaa",[123]);
m4 = MemoryCharacter2("bbb",[444]);

print(id(m3.cData), id(m4.cData));

打印结果为

1644995262272
1644995262400
1644995262272 1644995262400

由此得知,python的参数是使用地址传递的,才导致成员属性地址不一样

python成员属性特性原因是什么呢?

假设有一个类,这个类的一个成员属性是一个固定值,但是又想每个实例中单独使用,不跟所有人共享,如果这个类的实例有几万个,那么他这个成员属性就会存在几万个,有因为是固定值,那么这种行为就极其浪费内存空间,由此原因,python底层就创建一个固定空间,共全部实例使用,这样既不会浪费空间,又不影响功能

python这种处理有什么坏处呢?

假设你实例要使用到内存相关的处理,那么python成员属性的特性会导致你有各种奇奇怪怪的bug。

相关文章
|
3天前
|
存储 架构师 Java
内存溢出原因与解决方案(4大主流方案详解)
本文详解内存溢出(OOM)的原因及解决方案。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
内存溢出原因与解决方案(4大主流方案详解)
|
10天前
|
安全 开发者 Python
Python的内存管理pymalloc
Python的内存管理pymalloc
|
14天前
|
安全 开发者 Python
Python的内存管理pymalloc
Python的内存管理pymalloc
|
15天前
|
监控 Java API
Python是如何实现内存管理的
Python是如何实现内存管理的
|
1月前
|
索引 Python
python-类属性操作
【10月更文挑战第11天】 python类属性操作列举
16 1
|
1月前
|
存储 大数据 数据处理
Python 中的列表推导式与生成器:特性、用途与区别
Python 中的列表推导式与生成器:特性、用途与区别
23 2
|
2月前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
41 1
|
1月前
|
数据处理 Python
如何优化Python读取大文件的内存占用与性能
如何优化Python读取大文件的内存占用与性能
114 0
|
1月前
|
数据处理 Python
Python读取大文件的“坑“与内存占用检测
Python读取大文件的“坑“与内存占用检测
47 0
|
2月前
|
并行计算 开发者 Python
高效利用Python中的生成器提高内存管理
在处理大量数据或执行复杂计算时,内存管理成为关键问题。Python中的生成器(Generators)提供了一种优雅的解决方案,通过惰性计算和节省内存的方式显著提高程序的效率。本文将探讨生成器的基本概念,实际应用场景,以及如何利用生成器优化内存使用和提高程序性能。