现在各行各业都掀起了一股python学习的热潮，几乎每个专业人士都在学习和使用python。python大家都不陌生，共享经济大家都知道，但是你了解python利用共享经济吗？想知道就看看今天给大家分享的《Python利用共享经济提升性能》一文吧。以下文章来源：微信♂Python猫作者：豌豆花猫下大家可能知道，Python为了提高内存利用效率，采用了一套共享对象的内存分配策略。比如对于数值较小的number对象（[-5,256]）、boolean对象、None对象、较短的string对象（通常为20）等，字面上的equal对象其实就是同一个对象。共享内存地址示例a=100b=100s="python_cat"t="python_cat"id(a)==id(b)#Result:Trueid(s)==id(t)#Result:True我很早在我写文章《Python中的“特权种族”是什么？》的时候，这些对象统称为“特权种族”，是Python在内存管理机制上使用的优化技术。不久前，我还写了一篇文章《Python 内存分配时的小秘密》，里面也介绍了内存管理的技巧。这两篇文章不同的是，老篇文章主要涉及内存共享和对象驻留机制，而新篇文章介绍了内存分配、动态扩展和内存回收的相关机制。它们让我不由自主地想到两个词：共享经济和供需平衡。如果你还没有读过那两篇文章，我强烈建议你先把它们读回来，然后看看我的联想是否有道理：那些类型的特权种族对象实际上是在共享内存，看似不同的对象实际上是在回收；至于供需平衡，很容易理解。创建某些对象时，根据预期需求分配内存，扩容时灵活调整，实现供需平衡。透过现象看本质，Python可以很有趣。然而，Python的有趣特性并不止于此。本文将继续分享另一种内存管理机制。某种程度上实现了共享经济与供需平衡的融合，从中我们可以揭示出Python的另一个身份。...1。不可变对象的共享经济上面列出的“特权种族”都是不可变对象（而“供需平衡”主要发生在可变对象中），对于这些不可变对象，当有多种用途时，共享一个对象似乎是一个不错的选择优化。我曾经有一个猜测：Python的不可变对象可能是一个特权种族。我没有试图完全证明它，这篇文章只是想考察一种不可变对象：元组。它是一个不可变的对象，那么，有共享对象的机制吗？让我们将它与列表进行比较：空对象之间的区别a=[]b=[]c=()d=()print(id(a)==id(b))#Result:Falseprint(id(c)==id(d))#Result:True可见两个空列表是不同的对象，两个空元组其实是同一个对象。这至少说明内存中只有一个空元组，属于已经提到的特权种族。将实验扩展到集合和字典这些可变对象，你会发现结果和列表一样，有多个副本，即不是特权种族。我不会举例。从上面的实验结果可以得出两个问题，但是都偏离了本文的主题，我不打算深入分析，只是简单罗列一下：除了空元组，还有哪些元组是“特权种族”“？（PS：考虑到元素的个数，类型，元素本身的大小，小规模的实验我还没有发现。那么，空元组是不是唯一的？）编译期和runtime，之前写的strings(《Intern机制的软肋》)的intern机制也分析过了。（PS：print(id([])==id([])），结果为True，区别于前面先赋值再比较的例子。）2.可变对象的共享经济空元组体现了共享经济，但由于是不可变对象，没有动态扩容，只能反映极小的供需平衡。相比之下，榜单等可变对象充分代表了供求平衡，但似乎没有办法体现共享经济。例如，让我们将列表想象成一个自动递增的玻璃杯（毕竟它是某种容器），并将其元素想象成不同种类的液体（水、可乐、酒……）。那么，我们的问题是：两个杯子是否可以作为一个对象共享？或者，可以分享那个杯子吗？这样可以节省内存（如小秘密：“空杯子”占用大量内存一文所示），提高效率。对于第一个问题，答案是否定的，省略验证过程。对于第二个问题，在上一节中，我们验证了两个空杯子（也就是空列表），答案同样是否定的。不过，第二个问题还有其他的可能！我们换个实验方法：实验版本：Python3.6.1a=[[]foriinrange(4)]print(id(a))foriinrange(len(a)):print(f'{i}--{id(a[i])}')#a[i]=1#PS：可以去掉注释再执行，结果顺序不同delaprint("afterdel")b=[[]foriinrange(4)]print(id(b))foriinrange(len(b)):print(f'{i}--{id(b[i])}')以上codeIndifferentenvironments,theexecutionresultsmayvary.我执行的一次结果如下：20129093956560?--?20129093952721?--?20129094064722?--?20129093952083?--?2012909395144after?del20129093956560?--?20129093952721?--?20129094064722?--?20129093952083?--?2012909395144分析结果可知：列表对象在被回收之后，并不会彻底清除，它的内存地址会传递给新创建的链表，即新创建的链表实际上共享旧链表的内存地址！结合前面的例子，我们可以说，先后静态创建的两个列表会分配到不同的内存地址，但是动态回收后，先后创建的列表可能在同一个内存地址！（注意：我这里说“可能”，因为在创建新列表之前，如果其他地方正在创建列表，后者可能会趁机。）扩展到其他基本可变对象，例如集合和字典，也有同样的共享策略，其目的很明显：回收这些对象的“残余”，避免内存碎片，提高执行性能。分享一个杯子比重新制作一个杯子更高效、更方便，对吧？在实现这种机制时，Python解释器使用一个名为free_list的全局变量。它的工作原理是：在创建新对象时，会检查free_list中是否有可用的对象。析构时，检查free_list中是否还有剩余空间，如果free_list中存有某种类型的对象，则只保留“body”，清空里面的所有元素（即，只分享杯子，不分享杯子里的东西）。来源：https://dwz.cn/QWD6RxOx好了，现在我们可以说，列表、集合、字典等可变对象并不是上面说的特权种族，而是隐藏在它们背后的回收共享思想，这是环环相扣的。Python解释器在内存管理上真是煞费苦心。它对那些司空见惯的基本对象施加了很多小魔力。在我们毫无察觉的情况下，它们有条不紊地运作着。不要感叹它的精致。Python堪称细心的“经济学家”。回顾全文，最后做一个总结：较小的数字、较短的字符串、布尔值、空元组等不可变对象具有提高内存使用效率的“共享经济”机制。字典等可变对象具有预分配和过度分配等“供需平衡”机制，提高了内存分配效率。列表等对象也有共享的“容器外壳”机制，回收闲置资源，全面改进程序。表现
