作者：豌豆花下貓

來(lái)源：Python貓

我之前的一篇文章，帶大家揭曉了python 在給內(nèi)置對(duì)象分配內(nèi)存時(shí)的 5 個(gè)奇怪而有趣的小秘密。文中使用了sys.getsizeof()來(lái)計(jì)算內(nèi)存，但是用這個(gè)方法計(jì)算時(shí)，可能會(huì)出現(xiàn)意料不到的問(wèn)題。

文檔中關(guān)于這個(gè)方法的介紹有兩層意思：

• 該方法用于獲取一個(gè)對(duì)象的字節(jié)大?。╞ytes）
• 它只計(jì)算直接占用的內(nèi)存，而不計(jì)算對(duì)象內(nèi)所引用對(duì)象的內(nèi)存

也就是說(shuō)，getsizeof() 并不是計(jì)算實(shí)際對(duì)象的字節(jié)大小，而是計(jì)算“占位對(duì)象”的大小。如果你想計(jì)算所有屬性以及屬性的屬性的大小，getsizeof() 只會(huì)停留在第一層，這對(duì)于存在引用的對(duì)象，計(jì)算時(shí)就不準(zhǔn)確。

例如列表 [1,2]，getsizeof() 不會(huì)把列表內(nèi)兩個(gè)元素的實(shí)際大小算上，而只是計(jì)算了對(duì)它們的引用。舉一個(gè)形象的例子，我們把列表想象成一個(gè)箱子，把它存儲(chǔ)的對(duì)象想象成一個(gè)個(gè)球，現(xiàn)在箱子里有兩張紙條，寫(xiě)上了球 1 和球 2 的地址（球不在箱子里），getsizeof() 只是把整個(gè)箱子稱(chēng)重（含紙條），而沒(méi)有根據(jù)紙條上地址，找到兩個(gè)球一起稱(chēng)重。

1、計(jì)算的是什么？

我們先來(lái)看看列表對(duì)象的情況：

如圖所示，單獨(dú)計(jì)算 a 和 b 列表的結(jié)果是 36 和 48，然后把它們作為 c 列表的子元素時(shí)，該列表的計(jì)算結(jié)果卻僅僅才 36。（PS：我用的是 32 位解釋器）

如果不使用引用方式，而是直接把子列表寫(xiě)進(jìn)去，例如 “d = [[1,2],[1,2,3,4,5]]”，這樣計(jì)算 d 列表的結(jié)果也還是 36，因?yàn)樽恿斜硎仟?dú)立的對(duì)象，在 d 列表中存儲(chǔ)的是它們的 id。

也就是說(shuō)：getsizeof() 方法在計(jì)算列表大小時(shí)，其結(jié)果跟元素個(gè)數(shù)相關(guān)，但跟元素本身的大小無(wú)關(guān)。

下面再看看字典的例子：

明顯可以看出，三個(gè)字典實(shí)際占用的全部?jī)?nèi)存不可能相等，但是 getsizeof() 方法給出的結(jié)果卻相同，這意味著它只關(guān)心鍵的數(shù)量，而不關(guān)心實(shí)際的鍵值對(duì)是什么內(nèi)容，情況跟列表相似。

2、“淺計(jì)算”與其它問(wèn)題

有個(gè)概念叫“淺拷貝”，指的是 copy() 方法只拷貝引用對(duì)象的內(nèi)存地址，而非實(shí)際的引用對(duì)象。類(lèi)比于這個(gè)概念，我們可以認(rèn)為 getsizeof() 是一種“淺計(jì)算”。

“淺計(jì)算”不關(guān)心真實(shí)的對(duì)象，所以其計(jì)算結(jié)果只是一個(gè)假象。這是一個(gè)值得注意的問(wèn)題，但是注意到這點(diǎn)還不夠，我們還可以發(fā)散地思考如下的問(wèn)題：

• “淺計(jì)算”方法的底層實(shí)現(xiàn)是怎樣的？
• 為什么 getsizeof() 會(huì)采用“淺計(jì)算”的方法？

關(guān)于第一個(gè)問(wèn)題，getsizeof(x) 方法實(shí)際會(huì)調(diào)用 x 對(duì)象的__sizeof__() 魔術(shù)方法，對(duì)于內(nèi)置對(duì)象來(lái)說(shuō)，這個(gè)方法是通過(guò) CPython 解釋器實(shí)現(xiàn)的。

我查到這篇文章《Python中對(duì)象的內(nèi)存使用(一)》，它分析了 CPython 源碼，最終定位到的核心代碼是這一段：

我看不懂這段代碼，但是可以知道的是，它在計(jì)算 Python 對(duì)象的大小時(shí)，只跟該對(duì)象的結(jié)構(gòu)體的屬性相關(guān)，而沒(méi)有進(jìn)一步作“深度計(jì)算”。

對(duì)于 CPython 的這種實(shí)現(xiàn)，我們可以注意到兩個(gè)層面上的區(qū)別：

• 字節(jié)增大：int 類(lèi)型在 C 語(yǔ)言中只占到 4 個(gè)字節(jié)，但是在 Python 中，int 其實(shí)是被封裝成了一個(gè)對(duì)象，所以在計(jì)算其大小時(shí)，會(huì)包含對(duì)象結(jié)構(gòu)體的大小。在 32 位解釋器中，getsizeof(1) 的結(jié)果是 14 個(gè)字節(jié)，比數(shù)字本身的 4 字節(jié)增大了。
• 字節(jié)減少：對(duì)于相對(duì)復(fù)雜的對(duì)象，例如列表和字典，這套計(jì)算機(jī)制由于沒(méi)有累加內(nèi)部元素的占用量，就會(huì)出現(xiàn)比真實(shí)占用內(nèi)存小的結(jié)果。

由此，我有一個(gè)不成熟的猜測(cè)：基于“一切皆是對(duì)象”的設(shè)計(jì)原則，int 及其它基礎(chǔ)的 C 數(shù)據(jù)類(lèi)型在 Python 中被套上了一層“殼”，所以需要一個(gè)方法來(lái)計(jì)算它們的大小，也即是 getsizeof()。

官方文檔中說(shuō)“All built-in objects will return correct results” [1]，指的應(yīng)該是數(shù)字、字符串和布爾值之類(lèi)的簡(jiǎn)單對(duì)象。但是不包括列表、元組和字典等在內(nèi)部存在引用關(guān)系的類(lèi)型。

為什么不推廣到所有內(nèi)置類(lèi)型上呢？我未查到這方面的解釋?zhuān)粲兄榈耐瑢W(xué)，煩請(qǐng)告知。

3、“深計(jì)算”與其它問(wèn)題

與“淺計(jì)算”相對(duì)應(yīng)，我們可以定義出一種“深計(jì)算”。對(duì)于前面的兩個(gè)例子，“深計(jì)算”應(yīng)該遍歷每個(gè)內(nèi)部元素以及可能的子元素，累加計(jì)算它們的字節(jié)，最后算出總的內(nèi)存大小。

那么，我們應(yīng)該注意的問(wèn)題有：

• 是否存在“深計(jì)算”的方法/實(shí)現(xiàn)方案？
• 實(shí)現(xiàn)“深計(jì)算”時(shí)應(yīng)該注意什么？

Stackoverflow 網(wǎng)站上有個(gè)年代久遠(yuǎn)的問(wèn)題“How do I determine the size of an object in Python?” [2]，實(shí)際上問(wèn)的就是如何實(shí)現(xiàn)“深計(jì)算”的問(wèn)題。

有不同的開(kāi)發(fā)者貢獻(xiàn)了兩個(gè)項(xiàng)目：pympler 和 pysize ：第一個(gè)項(xiàng)目已發(fā)布在 Pypi 上，可以“pip install pympler”安裝；第二個(gè)項(xiàng)目爛尾了，作者也沒(méi)發(fā)布到 Pypi 上（注：Pypi 上已有個(gè) pysize 庫(kù)，是用來(lái)做格式轉(zhuǎn)化的，不要混淆），但是可以在 Github 上獲取到其源碼。

對(duì)于前面的兩個(gè)例子，我們可以拿這兩個(gè)項(xiàng)目分別測(cè)試一下：

單看數(shù)值的話(huà)，pympler 似乎確實(shí)比 getsizeof() 合理多了。再看看 pysize，直接看測(cè)試結(jié)果是（獲取其源碼過(guò)程略）：

可以看出，它比 pympler 計(jì)算的結(jié)果略小。就兩個(gè)項(xiàng)目的完整度、使用量與社區(qū)貢獻(xiàn)者規(guī)模來(lái)看，pympler 的結(jié)果似乎更為可信。

那么，它們分別是怎么實(shí)現(xiàn)的呢？那微小的差異是怎么導(dǎo)致的？從它們的實(shí)現(xiàn)方案中，我們可以學(xué)習(xí)到什么呢？

pysize 項(xiàng)目很簡(jiǎn)單，只有一個(gè)核心方法：

除去判斷__dict__和 __slots__屬性的部分（針對(duì)類(lèi)對(duì)象），它主要是對(duì)字典類(lèi)型及可迭代對(duì)象（除字符串、bytes、bytearray）作遞歸的計(jì)算，邏輯并不復(fù)雜。

以 [1,2] 這個(gè)列表為例，它先用 sys.getsizeof() 算出 36 字節(jié)，再計(jì)算內(nèi)部的兩個(gè)元素得 14*2=28 字節(jié)，最后相加得到 64 字節(jié)。

相比之下，pympler 所考慮的內(nèi)容要多很多，入口在這：

它可以接受多個(gè)參數(shù)，再用 sum() 方法合并。所以核心的計(jì)算方法其實(shí)是 _sizer()。但代碼很復(fù)雜，繞來(lái)繞去像一座迷宮：

它的核心邏輯是把每個(gè)對(duì)象的 size 分為兩部分：flat size 和 item size。計(jì)算 flat size 的邏輯在：

這里出現(xiàn)的 mask 是為了作字節(jié)對(duì)齊，默認(rèn)值是 7，該計(jì)算公式表示按 8 個(gè)字節(jié)對(duì)齊。對(duì)于 [1,2] 列表，會(huì)算出 (36+7)&~7=40 字節(jié)。同理，對(duì)于單個(gè)的 item，比如列表中的數(shù)字 1，sys.getsizeof(1) 等于 14，而 pympler 會(huì)算成對(duì)齊的數(shù)值 16，所以匯總起來(lái)是 40+16+16=72 字節(jié)。這就解釋了為什么 pympler 算的結(jié)果比 pysize 大。

字節(jié)對(duì)齊一般由具體的編譯器實(shí)現(xiàn)，而且不同的編譯器還會(huì)有不同的策略，理論上 Python 不應(yīng)關(guān)心這么底層的細(xì)節(jié)，內(nèi)置的 getsizeof() 方法就沒(méi)有考慮字節(jié)對(duì)齊。

在不考慮其它 edge cases 的情況下，可以認(rèn)為 pympler 是在 getsizeof() 的基礎(chǔ)上，既考慮了遍歷取引用對(duì)象的 size，又考慮到了實(shí)際存儲(chǔ)時(shí)的字節(jié)對(duì)齊問(wèn)題，所以它會(huì)顯得更加貼近現(xiàn)實(shí)。

4、小結(jié)

getsizeof() 方法的問(wèn)題是顯而易見(jiàn)的，我創(chuàng)造了一個(gè)“淺計(jì)算”概念給它。這個(gè)概念借鑒自 copy() 方法的“淺拷貝”，同時(shí)對(duì)應(yīng)于 deepcopy() “深拷貝”，我們還能推理出一個(gè)“深計(jì)算”。

前面展示了兩個(gè)試圖實(shí)現(xiàn)“深計(jì)算”的項(xiàng)目（pysize+pympler），兩者在淺計(jì)算的基礎(chǔ)上，深入地求解引用對(duì)象的大小。pympler 項(xiàng)目的完整度較高，代碼中有很多細(xì)節(jié)上的設(shè)計(jì)，比如字節(jié)對(duì)齊。

Python 官方團(tuán)隊(duì)當(dāng)然也知道 getsizeof() 方法的局限性，他們甚至在文檔中加了一個(gè)鏈接 [3]，指向了一份實(shí)現(xiàn)深計(jì)算的示例代碼。那份代碼比 pysize 還要簡(jiǎn)單（沒(méi)有考慮類(lèi)對(duì)象的情況）。

未來(lái) Python 中是否會(huì)出現(xiàn)深計(jì)算的方法，假設(shè)命名為 getdeepsizeof() 呢？這不得而知了。

本文的目的是加深對(duì) getsizeof() 方法的理解，區(qū)分淺計(jì)算與深計(jì)算，分析兩個(gè)深計(jì)算項(xiàng)目的實(shí)現(xiàn)思路，指出幾個(gè)值得注意的問(wèn)題。

讀完這里，希望你也能有所收獲。若有什么想法，歡迎一起交流。

想從事業(yè)務(wù)型數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“數(shù)據(jù)分析師”了解課程詳情；

想從事大數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情；

想成為人工智能工程師，您可以點(diǎn)擊>>>“人工智能就業(yè)”了解課程詳情；

想了解Python數(shù)據(jù)分析，您可以點(diǎn)擊>>>“Python數(shù)據(jù)分析師”了解課程詳情；

想咨詢(xún)互聯(lián)網(wǎng)運(yùn)營(yíng)，你可以點(diǎn)擊>>>“互聯(lián)網(wǎng)運(yùn)營(yíng)就業(yè)班”了解課程詳情；

想了解更多優(yōu)質(zhì)課程，請(qǐng)點(diǎn)擊>>>