在Python中，每個(gè)類都有實(shí)例屬性。默認(rèn)情況下Python用一個(gè)字典來保存一個(gè)對象的實(shí)例屬性。這非常有用，因?yàn)樗试S我們在運(yùn)行時(shí)去設(shè)置任意的新屬性。

然而，對于有著已知屬性的小類來說，它可能是個(gè)瓶頸。這個(gè)字典浪費(fèi)了很多內(nèi)存。Python不能在對象創(chuàng)建時(shí)直接分配一個(gè)固定量的內(nèi)存來保存所有的屬性。因此如果你創(chuàng)建許多對象（我指的是成千上萬個(gè)），它會消耗掉很多內(nèi)存。
不過還是有一個(gè)方法來規(guī)避這個(gè)問題。這個(gè)方法需要使用__slots__來告訴Python不要使用字典，而且只給一個(gè)固定集合的屬性分配空間。

這里是一個(gè)使用與不使用__slots__的例子：

• 不使用 __slots__:

  class MyClass(object):
    def __init__(self, name, identifier):
        self.name = name
        self.identifier = identifier
        self.set_up()
    # ...

• 使用 __slots__:

  class MyClass(object):
    __slots__ = ['name', 'identifier']
    def __init__(self, name, identifier):
        self.name = name
        self.identifier = identifier
        self.set_up()
    # ...

第二段代碼會為你的內(nèi)存減輕負(fù)擔(dān)。通過這個(gè)技巧，有些人已經(jīng)看到內(nèi)存占用率幾乎40%~50%的減少。

稍微備注一下，你也許需要試一下PyPy。它已經(jīng)默認(rèn)地做了所有這些優(yōu)化。

以下你可以看到一個(gè)例子，它用IPython來展示在有與沒有__slots__情況下的精確內(nèi)存占用，感謝 https://github.com/ianozsvald/ipython_memory_usage

Python 3.4.3 (default, Jun  6 2015, 13:32:34)
Type "copyright", "credits" or "license" for more information.

IPython 4.0.0 -- An enhanced Interactive Python.
?         -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help      -> Python's own help system.
object?   -> Details about 'object', use 'object??' for extra details.

In [1]: import ipython_memory_usage.ipython_memory_usage as imu

In [2]: imu.start_watching_memory()
In [2] used 0.0000 MiB RAM in 5.31s, peaked 0.00 MiB above current, total RAM usage 15.57 MiB

In [3]: %cat slots.py
class MyClass(object):
        __slots__ = ['name', 'identifier']
        def __init__(self, name, identifier):
                self.name = name
                self.identifier = identifier

num = 1024*256
x = [MyClass(1,1) for i in range(num)]
In [3] used 0.2305 MiB RAM in 0.12s, peaked 0.00 MiB above current, total RAM usage 15.80 MiB

In [4]: from slots import *
In [4] used 9.3008 MiB RAM in 0.72s, peaked 0.00 MiB above current, total RAM usage 25.10 MiB

In [5]: %cat noslots.py
class MyClass(object):
        def __init__(self, name, identifier):
                self.name = name
                self.identifier = identifier

num = 1024*256
x = [MyClass(1,1) for i in range(num)]
In [5] used 0.1758 MiB RAM in 0.12s, peaked 0.00 MiB above current, total RAM usage 25.28 MiB

In [6]: from noslots import *
In [6] used 22.6680 MiB RAM in 0.80s, peaked 0.00 MiB above current, total RAM usage 47.95 MiB