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
|
1天前
|
Java 测试技术 开发者
Python中的内存陷阱:如何有效避免内存泄漏
Python开发中,内存泄漏影响性能,垃圾回收机制不总能解决。常见原因包括循环引用、静态变量和大型数据结构未清空。使用`weakref`处理循环引用,避免类属性滥用,及时清理数据结构。利用`gc`模块检测泄漏,启用`with`管理资源,使用弱引用,定期审查和测试代码,遵循内存管理最佳实践。【6月更文挑战第15天】
|
5天前
|
Python
Python基础教程(第3版)中文版 第9章 魔法方法、特性和迭代器(笔记)
Python基础教程(第3版)中文版 第9章 魔法方法、特性和迭代器(笔记)
|
5天前
|
机器学习/深度学习 人工智能 边缘计算
Python有哪些新特性?
【6月更文挑战第13天】Python有哪些新特性?
16 7
|
5天前
|
Python
python3获取内存和cpu利用率记录日志文件psutil
python3获取内存和cpu利用率记录日志文件psutil
9 1
|
8天前
|
数据采集 存储 中间件
Scrapy,作为一款强大的Python网络爬虫框架,凭借其高效、灵活、易扩展的特性,深受开发者的喜爱
【6月更文挑战第10天】Scrapy是Python的高效爬虫框架,以其异步处理、多线程及中间件机制提升爬取效率。它提供丰富组件和API,支持灵活的数据抓取、清洗、存储,可扩展到各种数据库。通过自定义组件,Scrapy能适应动态网页和应对反爬策略,同时与数据分析库集成进行复杂分析。但需注意遵守法律法规和道德规范,以合法合规的方式进行爬虫开发。随着技术发展,Scrapy在数据收集领域将持续发挥关键作用。
43 4
|
10天前
|
Rust 安全 开发者
探索Rust语言的内存安全特性
【6月更文挑战第8天】Rust语言针对内存安全问题提供了创新解决方案,包括所有权系统、借用规则和生命周期参数。所有权系统确保值与其所有者绑定,防止内存泄漏;借用规则保证同一时间只有一个可变引用或多个不可变引用,消除数据竞争和野指针;生命周期参数则强化了引用的有效范围,提升安全性。通过这些特性,Rust帮助开发者编写出更健壮、安全的高性能软件,有望成为系统编程领域的领头羊。
|
12天前
|
Python
Python中访问不存在的属性
【6月更文挑战第4天】
13 5
|
14天前
|
Python
Python尝试访问不存在的属性或方法
【6月更文挑战第2天】
9 3
|
2天前
|
消息中间件 存储 Kafka
实时计算 Flink版产品使用问题之 从Kafka读取数据,并与两个仅在任务启动时读取一次的维度表进行内连接(inner join)时,如果没有匹配到的数据会被直接丢弃还是会被存储在内存中
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
4天前
|
存储 小程序 编译器
【C语言基础】:数据在内存中的存储
【C语言基础】:数据在内存中的存储