时间:2022-07-25 10:52:41 | 栏目:Python代码 | 点击:次
前言:
我们知道字典里面有一个ma_keys和ma_values,其中ma_keys是一个指向PyDictKeysObject的指针,ma_values是一个指向PyObject *数组的二级指针。当哈希表为分离表时,键由ma_keys维护,值由ma_values维护;当哈希表为结合表时,键和值均由ma_keys维护。
那么当我们在销毁一个PyDictObject时,也肯定是要先释放ma_keys和ma_values。
如果是分离表,会将每个value的引用计数减1,然后释放ma_values;再将每个key的引用计数减1,然后释放ma_keys。最后再释放PyDictObject本身。
如果是结合表,由于key、value都在ma_keys中,将每个key、value的引用计数减1之后,只需要再释放ma_keys即可。最后再释放PyDictObject本身。
整个过程还是很清晰的,只不过这里面遗漏了点什么东西,没错,就是缓存池。在介绍浮点数的时候,我们说不同的对象都有自己的缓存池,当然字典也不例外。并且除了PyDictObject之外,PyDictKeysObject也有相应的缓存池,毕竟它负责存储具体的键值对。
那么下面我们就来研究一下这两者的缓存池。
字典的缓存池和列表的缓存池高度相似,都是采用数组实现的,并且容量也是80个。
#ifndef PyDict_MAXFREELIST #define PyDict_MAXFREELIST 80 #endif static PyDictObject *free_list[PyDict_MAXFEELIST]; static int numfree = 0; //缓存池当前存储的元素个数
开始时,这个缓存池什么也没有,直到第一个PyDictObject对象被销毁时,缓存池里面才开始接纳被销毁的PyDictObject对象。
static void dict_dealloc(PyDictObject *mp) { //获取ma_values指针 PyObject **values = mp->ma_values; //获取ma_keys指针 PyDictKeysObject *keys = mp->ma_keys; Py_ssize_t i, n; //因为要被销毁,所以让GC不再跟踪 PyObject_GC_UnTrack(mp); //用于延迟释放 Py_TRASHCAN_SAFE_BEGIN(mp) //调整引用计数 //如果values不为NULL,说明是分离表 if (values != NULL) { //将指向的value、key的引用计数减1 //然后释放ma_values和ma_keys if (values != empty_values) { for (i = 0, n = mp->ma_keys->dk_nentries; i < n; i++) { Py_XDECREF(values[i]); } free_values(values); } DK_DECREF(keys); } //否则说明是结合表 else if (keys != NULL) { //结合表的话,dk_refcnt一定是1 //此时只需要释放ma_keys,因为键值对全部由它来维护 //在DK_DECREF里面,会将每个key、value的引用计数减1 //然后释放ma_keys assert(keys->dk_refcnt == 1); DK_DECREF(keys); } //将被销毁的对象放到缓存池当中 if (numfree < PyDict_MAXFREELIST && Py_TYPE(mp) == &PyDict_Type) free_list[numfree++] = mp; else //如果缓存池已满,则将释放内存 Py_TYPE(mp)->tp_free((PyObject *)mp); Py_TRASHCAN_SAFE_END(mp) }
同理,当创建字典时,也会优先从缓存池里面获取。
static PyObject * new_dict(PyDictKeysObject *keys, PyObject **values) { //... if (numfree) { mp = free_list[--numfree]; } //... }
因此在缓存池的实现上,字典和列表有着很高的相似性。不仅都是由数组实现,在销毁的时候也都会放在数组的尾部,创建的时候也会从数组的尾部获取。当然啦,因为这么做符合数组的特性,如果销毁和创建都是在数组的头部操作,那么时间复杂度就从O(1)变成了O(n)。
我们用Python来测试一下:
d1 = {k: 1 for k in "abcdef"} d2 = {k: 1 for k in "abcdef"} print("id(d1):", id(d1)) print("id(d2):", id(d2)) # 放到缓存池的尾部 del d1 del d2 # 缓存池:[d1, d2] # 从缓存池的尾部获取 # 显然id(d3)和上面的id(d2)是相等的 d3 = {k: 1 for k in "abcdefghijk"} # id(d4)和上面的id(d1)是相等的 d4 = {k: 1 for k in "abcdefghijk"} print("id(d3):", id(d3)) print("id(d4):", id(d4)) # 输出结果 """ id(d1): 1363335780736 id(d2): 1363335780800 id(d3): 1363335780800 id(d4): 1363335780736 """
输出结果和我们的预期是相符合的,以上就是PyDictObject的缓存池。
PyDictKeysObject也有自己的缓存池,同样基于数组实现,大小是80。
//PyDictObject的缓存池叫 free_list //PyDictKeysObject的缓存池叫 keys_free_list //两者不要搞混了 static PyDictKeysObject *keys_free_list[PyDict_MAXFREELIST]; static int numfreekeys = 0; //缓存池当前存储的元素个数
我们先来看看它的销毁过程:
static void free_keys_object(PyDictKeysObject *keys) { //将每个entry的me_key、me_value的引用计数减1 for (i = 0, n = keys->dk_nentries; i < n; i++) { Py_XDECREF(entries[i].me_key); Py_XDECREF(entries[i].me_value); } #if PyDict_MAXFREELIST > 0 //将其放在缓存池当中 //当缓存池未满、并且dk_size为8的时候被缓存 if (keys->dk_size == PyDict_MINSIZE && numfreekeys < PyDict_MAXFREELIST) { keys_free_list[numfreekeys++] = keys; return; } #endif PyObject_FREE(keys); }
销毁的时候,也是放在了缓存池的尾部,那么创建的时候肯定也是先从缓存池的尾部获取。
static PyDictKeysObject *new_keys_object(Py_ssize_t size) { PyDictKeysObject *dk; Py_ssize_t es, usable; //... //创建 ma_keys,如果缓存池有可用对象、并且size等于8, //那么会从 keys_free_list 中获取 if (size == PyDict_MINSIZE && numfreekeys > 0) { dk = keys_free_list[--numfreekeys]; } else { // 否则malloc重新申请 dk = PyObject_MALLOC(sizeof(PyDictKeysObject) + es * size + sizeof(PyDictKeyEntry) * usable); } } //... return dk; }
所以PyDictKeysObject的缓存池和列表同样是高度相似的,只不过它想要被缓存,还需要满足一个额外的条件,那就是dk_size必须等于8。很明显,这个限制是出于对内存方面的考量。
我们还是来验证一下:
import ctypes class PyObject(ctypes.Structure): _fields_ = [("ob_refcnt", ctypes.c_ssize_t), ("ob_type", ctypes.c_void_p)] class PyDictObject(PyObject): _fields_ = [("ma_used", ctypes.c_ssize_t), ("ma_version_tag", ctypes.c_uint64), ("ma_keys", ctypes.c_void_p), ("ma_values", ctypes.c_void_p)] d1 = {_: 1 for _ in "mnuvwxyz12345"} print( PyDictObject.from_address(id(d1)).ma_keys ) # 1962690551536 # 键值对个数超过了8,dk_size必然也超过了 8 # 那么当销毁d1的时候,d1.ma_keys不会被缓存 # 而是会直接释放掉 del d1 d2 = {_: 1 for _ in "a"} print( PyDictObject.from_address(id(d2)).ma_keys ) # 1962387670624 # d2 的 dk_size 显然等于 8 # 因此它的 ma_keys 是会被缓存的 del d2 d3 = {_: 1 for _ in "abcdefg"} print( PyDictObject.from_address(id(d3)).ma_keys ) # 1962699215808 # 尽管 d2 的 ma_keys 被缓存起来了 # 但是 d3 的 dk_size 大于 8 # 因此它不会从缓存池中获取,而是重新创建 # d4 的 dk_size 等于 8 # 因此它会获取 d2 被销毁的 ma_keys d4 = {_: 1 for _ in "abc"} print( PyDictObject.from_address(id(d4)).ma_keys ) # 1962387670624
所以从打印的结果来看,由于d4.ma_keys和d2.ma_keys是相同的,因此证实了我们的结论。不像列表和字典,它们是只要被销毁,就会放到缓存池里面,因为它们没有存储具体的数据,大小是固定的。
但是PyDictKeysObject不同,它存储了entry,每个entry占24字节。如果内部的entry非常多,那么缓存起来会有额外的内存开销。因此Python的策略是,只有在dk_size等于8的时候,才会缓存。当然这三者在缓存池的实现上,是基本一致的。
总的来说,Python的字典是一个被高度优化的数据结构,因为解释器在运行的时候也重度依赖字典,这就决定了它的效率会非常高。当然,我们没有涉及字典的全部内容,比如字典有很多方法,比如keys、values、items方法等等,我们并没有说。这些有兴趣的话,可以对着源码看一遍,不是很难。总之我们平时,也可以尽量多使用字典。