K60至尊版剛預(yù)熱 一加Ace2 Pro正面硬剛
Redmi這邊剛?cè)缁鹑巛钡男麄髁薑60 Ultra的各種技術(shù)和硬件配置，作為競品的一加也坐不住了。一加中國區(qū)總裁李杰發(fā)布了兩條微博，表示在自家的一加Ace2上早就已經(jīng)采用了和PixelWo
本篇文章來聊一聊對(duì)象的創(chuàng)建，一個(gè)對(duì)象是如何從無到有產(chǎn)生的呢？
>>> n = 123>>> n123比如在終端中執(zhí)行 n = 123，一個(gè)整數(shù)對(duì)象就被創(chuàng)建好了，但它的背后都發(fā)生了什么呢？帶著這些疑問，開始今天的內(nèi)容。
前面我們介紹了 Python 對(duì)象在底層的數(shù)據(jù)結(jié)構(gòu)，知道了 Python 底層是通過 PyObject 實(shí)現(xiàn)了對(duì)象的多態(tài)。所以我們先來分析一下 Python 為什么慢？
在 Python 中創(chuàng)建一個(gè)對(duì)象，會(huì)分配內(nèi)存并進(jìn)行初始化，然后用一個(gè) PyObject * 指針來維護(hù)這個(gè)對(duì)象，當(dāng)然所有對(duì)象都是如此。因?yàn)橹羔樖强梢韵嗷マD(zhuǎn)化的，所以變量在保存一個(gè)對(duì)象的指針時(shí)，會(huì)將指針轉(zhuǎn)成 PyObject * 之后再交給變量保存。
因此在 Python 中，變量的傳遞（包括函數(shù)的參數(shù)傳遞）實(shí)際上傳遞的都是泛型指針 PyObject *。這個(gè)指針具體指向什么類型的對(duì)象我們并不知道，只能通過其內(nèi)部的 ob_type 字段進(jìn)行動(dòng)態(tài)判斷，而正是因?yàn)檫@個(gè) ob_type，Python 實(shí)現(xiàn)了多態(tài)機(jī)制。
比如 a.pop()，我們不知道 a 指向的對(duì)象到底是什么類型，它可能是列表、也可能是字典，或者是我們實(shí)現(xiàn)了 pop 方法的自定義類的實(shí)例對(duì)象。至于它到底是什么類型，只能通過 ob_type 動(dòng)態(tài)判斷。
如果 a 的 ob_type 為 &PyList_Type，那么 a 指向的對(duì)象就是列表，于是會(huì)調(diào)用 list 類型中定義的 pop 操作。如果 a 的 ob_type 為 &PyDict_Type，那么 a 指向的對(duì)象就是字典，于是會(huì)調(diào)用 dict 類型中定義的 pop 操作。所以變量 a 在不同的情況下，會(huì)表現(xiàn)出不同的行為，這正是 Python 多態(tài)的核心所在。
再比如列表，它內(nèi)部的元素也都是 PyObject *，因?yàn)轭愋鸵３忠恢拢詫?duì)象的指針不能直接存（因?yàn)轭愋筒煌切枰y(tǒng)一轉(zhuǎn)成泛型指針 PyObject * 之后才可以存儲(chǔ)。當(dāng)我們通過索引獲取到該指針進(jìn)行操作的時(shí)候，也會(huì)先通過 ob_type 判斷它的類型，看它是否支持指定的操作。所以操作容器內(nèi)的某個(gè)元素，和操作一個(gè)變量并無本質(zhì)上的區(qū)別，它們都是 PyObject *。
從這里我們也能看出來 Python 為什么慢了，因?yàn)橛邢喈?dāng)一部分時(shí)間浪費(fèi)在類型和屬性的查找上面。
以變量 a + b 為例，這個(gè) a 和 b 指向的對(duì)象可以是整數(shù)、浮點(diǎn)數(shù)、字符串、列表、元組、甚至是我們自己實(shí)現(xiàn)了 __add__ 方法的類的實(shí)例對(duì)象。因?yàn)?Python 的變量都是 PyObject *，所以它可以指向任意的對(duì)象，因此 Python 就無法做基于類型的優(yōu)化。
首先 Python 底層要通過 ob_type 判斷變量指向的對(duì)象到底是什么類型，這在 C 的層面至少需要一次屬性查找。然后 Python 將每一個(gè)算術(shù)操作都抽象成了一個(gè)魔法方法，所以實(shí)例相加時(shí)要在類型對(duì)象中找到該方法對(duì)應(yīng)的函數(shù)指針，這又是一次屬性查找。找到了之后將 a、b 作為參數(shù)傳遞進(jìn)去，這會(huì)產(chǎn)生一次函數(shù)調(diào)用，會(huì)將對(duì)象維護(hù)的值拿出來進(jìn)行運(yùn)算，然后根據(jù)相加的結(jié)果創(chuàng)建一個(gè)新的對(duì)象，再將對(duì)象的指針轉(zhuǎn)成 PyObject * 之后返回。
所以一個(gè)簡單的加法運(yùn)算，Python 內(nèi)部居然做了這么多的工作，要是再放到循環(huán)里面，那么上面的步驟要重復(fù) N 次。而對(duì)于 C 來講，由于已經(jīng)規(guī)定好了類型，所以 a + b 在編譯之后就是一條簡單的機(jī)器指令，因此兩者在效率上差別很大。
當(dāng)然我們不是來吐槽 Python 效率的問題，因?yàn)槿魏握Z言都有擅長的一面和不擅長的一面，這里只是通過回顧前面的知識(shí)來解釋為什么 Python 效率低。因此當(dāng)別人問你 Python 為什么效率低的時(shí)候，希望你能從這個(gè)角度來回答它，主要就兩點(diǎn)：
建議不要一上來就談 GIL，那是在多線程情況下才需要考慮的問題。而且我相信大部分覺得 Python 慢的人，都不是因?yàn)?Python 無法利用多核才覺得慢的。
然后來說一說 Python 的 C API，這個(gè)非常關(guān)鍵。首先 Python 解釋器聽起來很高大上，但按照陳儒老師的說法，它不過就是用 C 語言寫出的一個(gè)開源軟件，從形式上和其它軟件并沒有本質(zhì)上的不同。
比如你在 Windows 系統(tǒng)中打開 Python 的安裝目錄，會(huì)發(fā)現(xiàn)里面有一個(gè)二進(jìn)制文件 python.exe 和一個(gè)動(dòng)態(tài)庫文件 python312.dll。二進(jìn)制文件負(fù)責(zé)執(zhí)行，動(dòng)態(tài)庫文件則包含了相應(yīng)的依賴，當(dāng)然編譯的時(shí)候也可以把動(dòng)態(tài)庫里的內(nèi)容統(tǒng)一打包到二進(jìn)制文件中，不過大部分軟件在開發(fā)時(shí)都會(huì)選擇前者。
既然解釋器是用 C 寫的，那么在執(zhí)行時(shí)肯定會(huì)將 Python 代碼翻譯成 C 代碼，這是毫無疑問的。比如創(chuàng)建一個(gè)列表，底層就會(huì)創(chuàng)建一個(gè) PyListObject 實(shí)例，比如調(diào)用某個(gè)內(nèi)置函數(shù)，底層會(huì)調(diào)用對(duì)應(yīng)的 C 函數(shù)。
所以如果你想搞懂 Python 代碼的執(zhí)行邏輯或者編寫 Python 擴(kuò)展，那么就必須要清楚解釋器提供的 API 函數(shù)。而按照通用性來劃分的話，這些 API 可以分為兩種。
顧名思義，泛型 API 和參數(shù)類型無關(guān)，屬于抽象對(duì)象層。這類 API 的第一個(gè)參數(shù)是 PyObject *，可以處理任意類型的對(duì)象，API 內(nèi)部會(huì)根據(jù)對(duì)象的類型進(jìn)行區(qū)別處理。
而且泛型 API 的名稱也是有規(guī)律的，具有 PyObject_### 這種形式，我們舉例說明。
創(chuàng)建對(duì)象可以使用泛型 API，也可以使用特定類型 API，比如創(chuàng)建一個(gè)浮點(diǎn)數(shù)。
PyObject* pi = PyObject_New(PyObject, &PyFloat_Type);通過泛型 API 可以創(chuàng)建任意類型的對(duì)象，因?yàn)樵擃?API 和類型無關(guān)。那么問題來了，解釋器怎么知道要給對(duì)象分配多大的內(nèi)存呢？
在介紹類型對(duì)象的時(shí)候我們提到，對(duì)象的內(nèi)存大小、支持哪些操作等等，都屬于元信息，而元信息會(huì)存在對(duì)應(yīng)的類型對(duì)象中。其中 tp_basicsize 和 tp_itemsize 負(fù)責(zé)指定實(shí)例對(duì)象所需的內(nèi)存空間。
// Include/objimpl.h#define PyObject_New(type, typeobj) ((type *)_PyObject_New(typeobj)) // Objects/object.cPyObject *_PyObject_New(PyTypeObject *tp){ // 通過 PyObject_Malloc 為對(duì)象申請(qǐng)內(nèi)存，申請(qǐng)多大呢？ // 會(huì)通過 _PyObject_SIZE(tp) 進(jìn)行計(jì)算 PyObject *op = (PyObject *) PyObject_Malloc(_PyObject_SIZE(tp)); if (op == NULL) { return PyErr_NoMemory(); } // 設(shè)置對(duì)象的類型和引用計(jì)數(shù) _PyObject_Init(op, tp); return op;}// Include/cpython/objimpl.hstatic inline size_t _PyObject_SIZE(PyTypeObject *type) { // 返回類型對(duì)象的 tp_basicsize return _Py_STATIC_CAST(size_t, type->tp_basicsize);}泛型 API 屬于通用邏輯，而內(nèi)置類型的實(shí)例對(duì)象一般會(huì)采用特定類型 API 創(chuàng)建。
// 創(chuàng)建浮點(diǎn)數(shù)，值為 2.71PyObject* e = PyFloat_FromDouble(2.71);// 創(chuàng)建一個(gè)可以容納 5 個(gè)元素的元組PyObject* tpl = PyTuple_New(5);// 創(chuàng)建一個(gè)可以容納 5 個(gè)元素的列表// 當(dāng)然這是初始容量，列表是可以擴(kuò)容的PyObject* lst = PyList_New(5);和泛型 API 不同，使用特定類型 API 只能創(chuàng)建指定類型的對(duì)象，因?yàn)樵擃?API 是和類型綁定的。比如我們可以用 PyDict_New 創(chuàng)建一個(gè)字典，但不可能創(chuàng)建一個(gè)集合出來。
如果使用特定類型 API，那么可以直接分配內(nèi)存。因?yàn)閮?nèi)置類型的實(shí)例對(duì)象，它們的定義在底層都是寫死的，解釋器對(duì)它們了如指掌，因此可以直接分配內(nèi)存并初始化。
比如通過 e = 2.71 創(chuàng)建一個(gè)浮點(diǎn)數(shù)，解釋器看到 2.71 就知道要?jiǎng)?chuàng)建 PyFloatObject 結(jié)構(gòu)體實(shí)例，那么申請(qǐng)多大內(nèi)存呢？顯然是 sizeof(PyFloatObject)，直接計(jì)算一下結(jié)構(gòu)體實(shí)例的大小即可。
圖片
顯然一個(gè) PyFloatObject 實(shí)例的大小是 24 字節(jié)，所以內(nèi)存直接就分配了。分配之后將 ob_refcnt 初始化為 1、ob_type 設(shè)置為 &PyFloat_Type、ob_fval 設(shè)置為 2.71 即可。
同理可變對(duì)象也是一樣，因?yàn)樽侄味际枪潭ǖ模瑑?nèi)部容納的元素有多少個(gè)也可以根據(jù)賦的值得到，所以內(nèi)部的所有字段占用了多少內(nèi)存可以算出來，因此也是可以直接分配內(nèi)存的。
還是那句話，解釋器對(duì)內(nèi)置的數(shù)據(jù)結(jié)構(gòu)了如指掌，因?yàn)檫@些結(jié)構(gòu)在底層都是定義好的，源碼直接寫死了。所以解釋器根本不需要借助類型對(duì)象去創(chuàng)建實(shí)例對(duì)象，它只需要在實(shí)例對(duì)象創(chuàng)建完畢之后，將 ob_type 設(shè)置為指定的類型即可（讓實(shí)例對(duì)象和類型對(duì)象建立聯(lián)系）。
所以采用特定類型 API 創(chuàng)建實(shí)例的速度會(huì)更快，但這只適用于內(nèi)置的數(shù)據(jù)結(jié)構(gòu)，而我們自定義類的實(shí)例對(duì)象顯然沒有這個(gè)待遇。假設(shè)通過 class Person: 定義了一個(gè)類，那么在實(shí)例化的時(shí)候，顯然不可能通過 PyPerson_New 去創(chuàng)建，因?yàn)榈讓訅焊蜎]有這個(gè) API。
這種情況下創(chuàng)建 Person 的實(shí)例對(duì)象就需要 Person 這個(gè)類型對(duì)象了，因此自定義類的實(shí)例對(duì)象如何分配內(nèi)存、如何進(jìn)行初始化，需要借助對(duì)應(yīng)的類型對(duì)象。
總的來說，Python 內(nèi)部創(chuàng)建一個(gè)對(duì)象有兩種方式：
lst = [] 和 lst = list() 都負(fù)責(zé)創(chuàng)建一個(gè)空列表，但這兩種方式有什么區(qū)別呢？
我們說創(chuàng)建實(shí)例對(duì)象可以通過解釋器提供的特定類型 API，用于內(nèi)置類型；也可以通過實(shí)例化類型對(duì)象去創(chuàng)建，既可用于自定義類型，也可用于內(nèi)置類型。
# 通過特定類型 API 創(chuàng)建>>> lst = [] >>> lst[]# 通過調(diào)用類型對(duì)象創(chuàng)建>>> lst = list() >>> lst[]還是那句話，解釋器對(duì)內(nèi)置數(shù)據(jù)結(jié)構(gòu)了如指掌，并且做足了優(yōu)化。
這些都會(huì)使用特定類型 API 去創(chuàng)建，直接為結(jié)構(gòu)體申請(qǐng)內(nèi)存，然后設(shè)置引用計(jì)數(shù)和類型，所以使用 [ ] 創(chuàng)建列表是最快的。
但如果使用 list() 創(chuàng)建列表，那么就產(chǎn)生了一個(gè)調(diào)用，要進(jìn)行參數(shù)解析、類型檢測、創(chuàng)建棧幀、銷毀棧幀等等，所以開銷會(huì)大一些。
import timestart = time.perf_counter()for _ in range(10000000): lst = []end = time.perf_counter()print(end - start) """0.2144167000001289"""start = time.perf_counter()for _ in range(10000000): lst = list()end = time.perf_counter()print(end - start) """0.4079916000000594"""通過 [ ] 的方式創(chuàng)建一千萬次空列表需要 0.21 秒，但通過 list() 的方式創(chuàng)建一千萬次空列表需要 0.40 秒，主要就在于 list() 是一個(gè)調(diào)用，而 [ ] 直接會(huì)被解析成 PyListObject，因此 [ ] 的速度會(huì)更快一些。
所以對(duì)于內(nèi)置類型的實(shí)例對(duì)象而言，使用特定類型 API 創(chuàng)建要更快一些。而且事實(shí)上通過類型對(duì)象去創(chuàng)建的話，會(huì)先調(diào)用 tp_new，然后在 tp_new 內(nèi)部還是調(diào)用了特定類型 API。
比如：
前者是通過類型對(duì)象去創(chuàng)建的，后者是通過特定類型 API 創(chuàng)建。但對(duì)于內(nèi)置類型而言，我們推薦使用特定類型 API 創(chuàng)建，會(huì)直接解析為對(duì)應(yīng)的 C 一級(jí)數(shù)據(jù)結(jié)構(gòu)，因?yàn)檫@些結(jié)構(gòu)在底層都是已經(jīng)實(shí)現(xiàn)好了的，可以直接用。而無需通過諸如 list() 這種調(diào)用類型對(duì)象的方式來創(chuàng)建，因?yàn)樗鼈儍?nèi)部最終還是使用了 特定類型 API，相當(dāng)于多繞了一圈。
不過以上都是內(nèi)置類型，而自定義的類型就沒有這個(gè)待遇了，它的實(shí)例對(duì)象只能通過它自己創(chuàng)建。比如 Person 這個(gè)類，解釋器不可能事先定義一個(gè) PyPersonObject 然后將 API 提供給我們，所以我們只能通過 Person() 這種調(diào)用類型對(duì)象的方式來創(chuàng)建它的實(shí)例對(duì)象。
另外內(nèi)置類型被稱為靜態(tài)類，它和它的實(shí)例對(duì)象在底層已經(jīng)被定義好了，無法動(dòng)態(tài)修改。我們自定義的類型被稱為動(dòng)態(tài)類，它是在解釋器運(yùn)行的過程中動(dòng)態(tài)構(gòu)建的，所以我們可以對(duì)其進(jìn)行動(dòng)態(tài)修改。
這里需要再強(qiáng)調(diào)一點(diǎn)，Python 的動(dòng)態(tài)性、GIL 等特性，都是解釋器在將字節(jié)碼翻譯成 C 代碼時(shí)動(dòng)態(tài)賦予的，而內(nèi)置類型在編譯之后已經(jīng)是指向 C 一級(jí)的數(shù)據(jù)結(jié)構(gòu)，因此也就喪失了相應(yīng)的動(dòng)態(tài)性。不過與之對(duì)應(yīng)的就是效率上的提升，因?yàn)檫\(yùn)行效率和動(dòng)態(tài)性本身就是魚與熊掌的關(guān)系。
本文鏈接：http://www.www897cc.com/showinfo-26-89706-0.html當(dāng)創(chuàng)建一個(gè) Python 對(duì)象時(shí)，背后都經(jīng)歷了哪些過程？
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：2376512515@qq.com 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)