大家好，欢迎来到IT知识分享网。
主要是`PyIntObject`和`PyInt_Type`，其他和普遍的PyObject, PyTyoeObject没什么，值得关注的有 * python2中稍小一点的数直接用C语言中的long去存储，稍大一点的数（超过long的承受范围）会使用python的long对象去存储，而python3不会作区分，统一用longObect去存储，实现用到了`柔性数组`，感兴趣可以查一下 * 小整形数组的内存池和大整形对象的内存链的维护,避免频繁malloc 在Python中，整数的使用是很广泛的，对应的，它的创建和释放也将会很频繁，那么如何设计一个高效的机制，使得整数对象的使用不会成为Python的瓶颈？在Python中是使用整数对象的缓冲池机制来解决此问题。使用缓冲池机制，那意味着运行时的整数对象并不是一个个独立的，而是相关联结成一个庞大的整数对象系统了。 小整形对象 在实际的编程中，数值比较小的整数，比如1,2,等等，这些在程序中是频繁使用到的，而Python中，所有的对象都存活在系统堆上，也就是说，如果没有特殊的机制，对于小整数对象，Python将一次次的malloc在堆上申请空间，然后free，这样的操作将大大降低了运行效率。 那么如何解决呢？Python中，对小整数对象使用了对象池技术。 那么又有一个问题了，Python中的大对象和小对象如何区分呢？嗯，Python中确实有一种方法，用户可以调整大整数和小整数的分界点，从而动态的确定小整数的对象池中应该有多少个小整数对象，但是调整的方法只有自己修改源代码，然后重新编译。 大整数对象 对于小整数，小整数对象池中完全的缓存PyIntObject对象，对于其它对象，Python将提供一块内存空间，这些内存空间将由这些大整数轮流使用，也就是谁需要的时候谁使用。 比如，在Python中有一个PyIntBlock结构，维护了一块内存，其中保存了一些PyIntObject对象，维护对象的个数也可以做动态的调整。在Python运行的某个时刻，有一些内存已经被使用，而另一些内存则处于空闲状态，而这些空闲的内存必须组织起来，那样，当Python需要新的内存时，才能快速的获得所需的内存，在Python中使用一个单向链表(free\_list）来管理所有的空闲内存。 typedef struct _intblock PyIntBlock;
创建 如果小整数对象池机制被激活，则尝试使用小整数对象池；如果不能使用小整数对象池，则使用通用整数对象池。 可以创建int的代码理解这两块的使用 下面是关于freelist的申请，和freelist和block\_list的维护有关的代码 这样，freelist会指向可以分配内存的地址，但是如果由之前分配的PyIntObject被释放了，freelist需要将被释放的地址重新使用才可以，这个是通过PyIntObect的析构函数来实现的 Python中的字符串对象 PyStringObject和PyString\_Type > > * `ob_sval`指的是一段长度为ob\_size+1个字节的内存，必须满足ob\_sval[ob\_size] == ‘\0’ > * `ob_shash`是`缓存`的该对象的`hash`值 > * `ob_sstate`标记了该对象是否已经经过intern机制的处理 > > > 创建PyStringObject对象 size = strlen(str); if (size > PY_SSIZE_T_MAX) { return NULL; } if (size == 0 && (op = nullstring )!= NULL) { // intern机制： 和下面的一个分支都是为了缓存特定的对象，一个是空字符串，一个是单个字符字符串，第一次使用后会存在，之后不必再次创建PyObject对象（这些对象之前都被初始化成了NULL） return (PyObject \*) op; } if (size == 1 && (op = characters[\*str & UCHAR_MAX]) != NULL) { return (PyObject \*) op; } op = (PyStringObject \*)PyObject\_MALLOC(sizeof(PyStringObject) + size); // 加上包含'\0'的额外内存 PyObject\_INIT\_VAR(ob, &PyString_Type, size); op->ob_shash=-1; op->ob_sstate=SSTATE_NOT_INTERNED; memcpy(op->ob_sval, str, size+1); if (size==0) { PyObject \*t = (PyObject \*) op; PyString\_InternInPlace(&t); op = (PyStringObject \*) t; nullstring = op; } else if (size == 1) { PyObject \*t = (PyObject \*) op; PyString\_InternInPlace(&t); op = (PyStringObject \*) t; characters[\*str & UCHAR_MAX] = op; } return (PyObejct \*) op; }
 字符串对象的intern机制 > > characters 是静态变量static PyStringObject \*characters[UCHAR\_MAX+1]; 开始都是NULL指针 > = join字符串效率比 + 好， 因为PyStringObject 是不可变对象（varObject只是因为是变长的），两者申请内存不同 > join 计算所有 PyStringObject 的size 得出需要分配的内存，一次分配 > = 而concat(+) 需要分配n-1次内存，并且伴有析构 > > > python中的List对象 实际的操作和c++ vector类似略。有一个比较特别的是free\_list的维护 define MAXFREELISTS 80
python中的Dict对象 实现是散列表，采用二次探针解决冲突 `entry` 会有三种状态 dummy状态是探测连上的元素伪删除后的状态  其他包括缓冲池之类的会和list类似，lookup这块会多点东西。 python提供了两种搜索策略，一个lookdict一个lookdict\_string 
感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：
① 2000多本Python电子书（主流和经典的书籍应该都有了）
② Python标准库资料（最全中文版）
③ 项目源码（四五十个有趣且经典的练手项目及源码）
④ Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）
⑤ Python学习路线图（告别不入流的学习）
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化学习资料的朋友，可以戳这里无偿获取
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/112091.html
