Python 高级编程：__slots__
1. 先看普通类
Python 默认的类是动态的：你可以在任意实例上添加、删除、修改属性。这种灵活性靠的是__dict__——每个实例都有一个字典，用来存储所有实例属性。
class Student:def __init__(self, name, age):self.name = nameself.age = ages = Student("Alice", 20)
s.score = 98 # 动态添加属性
print(s.__dict__) # {'name': 'Alice', 'age': 20, 'score': 98}
每个实例的 __dict__ 是一个字典，字典本身开销很大：需要存储哈希表、键值对引用，还要预留一部分空间。
如果有 100 万个学生，光是字典开销就可能占用几十 MB 甚至上百 MB 内存，更不用说键值对还要额外存储字符串 “name”“age” 等。
此外，字典查找属性比直接 C 级结构访问慢一些。
2. __slots__ ：牺牲动态性，换取内存和速度
__slots__ 是一个类变量，只要在类中定义了一个包含属性名的元组/列表，实例就不会再创建 __dict__，而是为这些属性分配固定大小的内存（类似 C 结构体），并用描述符来访问。
class Student:__slots__ = ('name', 'age') # 只允许这两个实例属性def __init__(self, name, age):self.name = nameself.age = ages = Student("Bob", 21)
print(s.name) # Bob
s.score = 90 # ❌ AttributeError: 'Student' object has no attribute 'score'
现在每个实例不再有 __dict__，也不会有 __weakref__（除非手动加上）。内存占用显著降低，属性访问速度也略有提升。
(因为弱引用需要额外存储一个链表指针（即 weakref），而 slots 默认不会包含这个指针。)
3. 内存占用实测对比
我们可以用 pympler 或 sys.getsizeof 粗略感受一下（实际实例本身的大小不包括外层字典开销，但差异依然明显）：
import sysclass WithoutSlots:def __init__(self, a, b):self.a = aself.b = bclass WithSlots:__slots__ = ('a', 'b')def __init__(self, a, b):self.a = aself.b = bobj1 = WithoutSlots(1, 2)
obj2 = WithSlots(1, 2)print(sys.getsizeof(obj1.__dict__)) # 296
print(sys.getsizeof(obj2)) # 48
WithoutSlots实例：obj1自身只有引用__dict__，__dict__才是真正存储属性的地方，总体内存 = 实例对象头 + 字典开销（至少 56 字节）+ 键值对存储。WithSlots实例：obj2内部直接存储两个成员（类似数组），通常每个成员占一个指针大小，实例头部加成员，总量明显更小。
4. 工作原理
__slots__ 本质上是在类层面固定了实例属性布局。Python 为每个槽创建一个描述符（member_descriptor），当通过实例访问 obj.name 时，直接计算偏移量从实例内存中读取，而不是走字典查询。
同时，实例不再分配 __dict__ 的空间，也就无法动态添加新属性。
5. 注意事项
5.1 继承时的行为
- 父类有
__slots__，子类没有：子类实例会继承父类的槽，但还会创建自己的__dict__，因此依然能动态添加属性。 - 子类也定义
__slots__：子类的槽会合并父类的槽（除非父类槽名为__slots__ = ()空元组）。但注意：合并并不是自动的，你需要显式包含父类槽名，否则父类槽属性无法直接访问（但依然会保存在内存中）。
class Parent:__slots__ = ('x',)class Child(Parent):__slots__ = ('y',) c = Child()
c.x = 10 # 可以
c.y = 20
c.z = 30 # ❌ 报错，因为没有 __dict__
但如果你在子类中不定义 __slots__，那么子类实例会拥有 __dict__，此时动态添加属性是允许的。
5.2 不能动态添加属性
这是 __slots__ 的“代价”，也是它的“目的”。如果强行添加，会抛出 AttributeError。
5.3 默认没有 __weakref__
如果一个类定义了 __slots__，其实例默认不支持弱引用（weakref 模块）。如果需要弱引用，需要在 __slots__ 中显式加入 '__weakref__'。
class C:__slots__ = ('a', '__weakref__')
5.4 多继承需要小心
如果多个父类有不同的非空 __slots__，子类必须显式定义自己的 __slots__ 来合并所有槽，否则会报 TypeError。
5.5 类变量不受影响
__slots__ 只限制实例属性，类变量（定义在类上的属性）依然可以正常访问和修改。
6. 何时使用 __slots__？
适合的场景：
- 你需要创建数十万、数百万个实例，内存是瓶颈（例如数据记录、坐标点、简单对象）。
- 你希望加速属性访问（虽然提升有限，但对高频循环代码有帮助）。
- 你想防止动态添加属性，增强代码的可控性（例如保证数据模型不被意外修改）。
不适合的场景：
- 实例数量很少（几百几千），内存压力不大。
- 你需要动态扩展属性（例如插件系统、动态配置）。
- 你的类会被频繁继承，且继承关系中槽的合并容易出错。
7. 动手试一试
# 内存对比
import tracemallocclass PersonA:def __init__(self, name, age):self.name = nameself.age = ageclass PersonB:__slots__ = ('name', 'age')def __init__(self, name, age):self.name = nameself.age = agetracemalloc.start()
objs = [PersonA(f"name{i}", i) for i in range(100000)]
snap1 = tracemalloc.take_snapshot()
del objsobjs = [PersonB(f"name{i}", i) for i in range(100000)]
snap2 = tracemalloc.take_snapshot()print(f"普通类内存: {snap1.statistics('filename')[0].size / 1024:.2f} KB")
print(f"__slots__类内存: {snap2.statistics('filename')[0].size / 1024:.2f} KB")
# 通常 __slots__ 版本能节省 30%~60% 的内存